MétaCan
Menu
← Retour à la cohorte
Enregistrement W4285043779 · doi:10.21203/rs.3.rs-1762286/v1

Evaluation of a Novel Case-Based Teaching Series for First Year Otolaryngology – Head & Neck Surgery Residents

2022· preprint· en· W4285043779 sur OpenAlexaffabout
Li Wang, Jessica Henley, Justine Philteos, Garret Horton, Marc Levin, Ahmed Saleem, Eric Monteiro, Vincent Lin, Yvonne Chan, Paolo Campisi

Notice bibliographique

RevueResearch Square · 2022
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensSunnybrook Health Science CentreHealth Sciences CentreMemorial University of NewfoundlandUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineOtorhinolaryngologyCohortFamily medicineCohort studyPhysical therapyGeneral surgerySurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction First-year resident physicians began training in July 2020 in an environment of decreased clinical case exposure and increased feelings of insecurity secondary to the coronavirus (COVID-19) pandemic. To support resident learning, the University of Toronto Department of Otolaryngology - Head & Neck Surgery piloted a novel virtual case-based discussion series for first-year residents. Methods A weekly virtual resident-led case-based discussion series was designed. In 2020/2021, six residents (“Cohort 1”) and four staff otolaryngologists participated. A Likert survey retrospectively evaluated participant comfort level on a scale of 1 to 5, from “not well prepared or comfortable” to “very well prepared or comfortable” in seven clinical areas, at the beginning of the post-graduate year (PGY-1) August 2020, and in May 2021. Qualitative data collected assessed strengths and weaknesses of the intervention. In July 2021, the new 2021/2022 PGY-1 cohort (“Cohort 2”) also completed cross-sectional surveys in August 2021 and March 2022 to assess their comfort levels with consult management at the two separate timepoints. Results Cases presented revealed areas for practical, systemic, and cultural improvement. With respect to clinical decision making, both “Cohort 1” and “Cohort 2” residents reported increased comfort level in all areas assessed. “Cohort 1” residents reported percentage increase in comfort level addressing all consults of 28%, triaging consults overnight of 24%, pediatric consults of 30%, otology consults of 32%, airway consults of 30%, epistaxis consults of 28%, and peritonsillar abscess consults of 24%. “Cohort 2” residents reported increase in comfort level managing all consults of 32%, triaging consults overnight of 30%, pediatric consults of 38%, otology consults of 2%, airway consults of 30%, epistaxis consults of 18%, and peritonsillar abscess consults of 24%. All respondents agreed the intervention would benefit residents of other programs as a prolonged orientation to residency and a safe and confidential forum to discuss best practices. Discussion A weekly case discussion series potentially improves both resident education and patient care. It facilitated real-time discussion of topics relevant to self-perceived knowledge deficits, timely advice on management of a new and changing population of COVID patients and brought to attention hidden curriculum topics for exploration. Conclusion The case series described could be applied to benefit residents in Otolaryngology and other surgical specialty programs nationwide during, and following, the pandemic.

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)0,008
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,020
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0030,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,321
Tête enseignante GPT0,581
Écart entre enseignants0,259 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueResearch Square→Même sujetInterprofessional Education and Collaboration→Travaux en français237 207→