Undergraduate exposure to urology: impact of the distributed model of medical education in British Columbia
Notice bibliographique
Résumé
Background: With the increased development of distributed sites for medical education across Canada, it is imperative we ensure that the quality of education is comparable between the different campuses. Our objective was to assess medical student experience and comfort with common urologic clinical encounters and to determine whether any differences exist between the distributed education sites at the University of British Columbia (UBC).Methods: Questionnaires assessing urologic education were delivered simultaneously to all final-year UBC medical students attending campuses in Vancouver, Victoria and Prince George. Results were analyzed using descriptive statistics.Results: Overall, 55.8% of students felt their exposure to urology was adequate in the medical curriculum; learners in the Northern Program (Prince George) ranked their clinical and didactic experiences significantly higher. Areas requiring improvement include teaching of the male genitourinary exam, digital rectal exam and sexual history, in which learners rated teaching “good/outstanding” in only 18.2%, 47.7% and 43.2% of cases, respectively. Overall, students were most comfortable with the following clinical encounters: urinary tract infection, nephrolithiasis, benign prostatic hyperplasia, hematuria, incontinence and prostate cancer. Few differences in student experience or comfort were noted related to campus site, gender or urology clerkship exposure.Conclusion: A significant minority of learners perceived that theyhad inadequate exposure to urology in the undergraduate curriculum. Experience in urology was comparable across the distributed sites and was congruent with teaching objectives. Students were comfortable with the clinical scenarios deemed most important in the literature. Learners in the Northern Program were significantly more satisfied with their urologic teaching, which potentially highlights the advantages of learning in a smaller academic setting.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».