MétaCan
Menu
Retour à la cohorte
Enregistrement W4240245464 · doi:10.1096/fasebj.2020.34.s1.06794

Essential Anatomy for Family Medicine in the Undergraduate Medical Curriculum

2020· article· en· W4240245464 sur OpenAlexaffabout
Sarah Keim, Danielle Royer, Anna Farias, Kelley Harrell, Tiffany Carpenetti, Mary Beth Downs, Steven R. Lewis, Thomas McNary, Daniel Topping, Francis Kirera, Amy Lovejoy Mork, Lawrence E. Wineski, Guinevere Granite, Lisa Lopez, Ann Zumwalt, Charles Sanky, Jeffrey T. Laitman, Joy S. Reidenberg, David L. Davies, Hassan Marzban, Meghan Cotter, Kenneth Hisley, Jim Martindale, Derek Harmon, Mark Hankin

Notice bibliographique

RevueThe FASEB Journal · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAnatomy and Medical Technology
Établissements canadiensUniversity of ManitobaWestern University
Organismes subventionnairesnon disponible
Mots-clésSpecialtyMedicineCurriculumMedical educationClinical PracticeFamily medicinePsychology

Résumé

récupéré en direct d'OpenAlex

Introduction To prepare medical students for clinical training and practice, it is critical to understand the anatomical knowledge considered most important for different clinical specialties. Aim To address this issue, a consortium of anatomists in the US and Canada is collecting data from clinical educators in Family Medicine clerkships and electives to identify the anatomy they consider essential. Methods An IRB‐approved, online survey (Qualtrics, Seattle, WA) was used to assess the importance of 98 anatomical topics in seven body regions. The study first examined the percentage of Family Medicine clinical educators (clerkship/elective directors and attending physicians) that considered each anatomical region important to their specialty. Second, the study examined the rank assigned to each anatomical topic using an ordinal scale from 1 (not important) to 4 (essential). Results At the time of abstract submission, data had been collected from 93 Family Medicine clinical educators at 19 medical schools. The percentage of Family Medicine clinical educators that considered each anatomical region important to their specialty were (highest‐to‐lowest): Back (99%), Upper Limb (99%), Lower Limb (99%), Head & Neck (98%), Thorax (96%), Abdomen (96%), and Pelvis & Perineum (95%). Further data analysis has identified the highest ranked anatomical topics in each body region for the Family Medicine clerkship/elective. Discussion and Conclusion This database provides detailed information regarding the most clinically relevant anatomical topics as identified by Family Medicine clinical educators. This information can aid in focusing preclinical learning to best prepare medical students for success in their undergraduate and graduate clinical experiences.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,100

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0300,004

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,270
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetAnatomy and Medical TechnologyTravaux en français237 207