Self-efficacy of Filipino Physicians Towards Research and Research Utilization: A Single-Center Quantitative Descriptive Survey
Notice bibliographique
Résumé
Research Question: What is the current status of self-efficacy beliefs towards research and research utilization (RU) of University of Santo Tomas Faculty of Medicine and Surgery (UST-FMS) graduates who had Clinical Epidemiology in their basic medical education curriculum? Significance of the Study: There is an increase in research and RU trends globally as adherence to practice based on evidence results in improved patient outcomes. Limited studies are available in describing research and RU of Filipino physicians and there is no study available specific for UST-FMS graduates. Objectives: The study aims to describe self-efficacy beliefs towards research and RU of UST-FMS graduates’ batches 2012-2016 who had Clinical Epidemiology in their basic medical education. Study Design: A single-center, quantitative descriptive survey design was used. Methodology: Participants were graduates of UST-FMS batches 2012-2016, currently working at the University of Santo Tomas Hospital. Evidence-based Practice Confidence Scale (EPIC scale) and Edmonton Research Orientation Survey (EROS) were used to assess the research and RU of the participants gathered through snowball sampling. Statistical Analysis: Descriptive statistics such as means and standard deviations were used to analyze the EPIC and EROS scores. Results: The UST-FMS graduates value research and are generally confident in their ability to participate in evidence-based medicine. However, they rarely conduct research and have a low understanding of statistics. Conclusion: The self-efficacy beliefs of UST-FMS graduates towards research and RU may be attributed to several factors. Clinical epidemiology as a subject may be improved by adding more lectures on statistics while hospitals should create avenues to support the conduct of research. Keywords: self-efficacy belief, research and research utilization, Clinical Epidemiology, medical education curriculum
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».