Fellows’ Perspective of Educational Changes in Medical Sports Medicine During the COVID-19 Pandemic
Notice bibliographique
Résumé
Background As a result of the coronavirus disease 2019 (COVID-19) pandemic, graduate medical education, along with most of daily life, was disrupted. The goal of this study was to explore the experiences of fellows in primary care/medical sports medicine (MSM) and view the changes made to training programs through their eyes. Methodology A questionnaire was developed to collect qualitative and quantitative data regarding the fellow's experiences in training from March to June 2020. Fellows on the American Medical Society for Sports Medicine list of current Sports Medicine Fellows in the United States and Canada were invited to participate. Of the 329 invited, 90 (27.4%) fellows returned questionnaires. Results MSM fellows highlighted positive adaptations as well as losses to their educational programs related to the pandemic. The biggest gain reported was additional learning time, and the greatest loss was to sports and event coverage. Most fellows reported attending collaborative sessions, and they noted an increase in didactics compared to pre-pandemic levels. The largest losses were noted in event coverage and training room exposures, with smaller declines in ultrasounds, procedures, and research experiences. They also described challenges, including changing clinical roles, managing social isolation and boredom, and balancing work and family responsibilities. Conclusions Fellows identified gains, losses, and challenges due to pandemic-related changes to their fellowship programs. Fellowship directors and educators in different fields can use this understanding of the fellows' experiences to build on current resources, further develop collaborative efforts, create new educational opportunities, and provide additional support for fellow learning.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 tête enseignante, 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 ».