MétaCan
Menu
Retour à la cohorte
Enregistrement W4295027474 · doi:10.1177/08465371221119139

Preparedness of Residents and Medical Students for the Transition to Competence by Design in Diagnostic Radiology Post-Graduate Medical Education

2022· article· en· W4295027474 sur OpenAlexaffabout
H. Brian Bentley, Juvel Lee, Alanna Supersad, Hang Yu, Jessica L. Dobson, Scott Wong, Matthew Stewart, Sri Sannihita Vatturi, Kiana Lebel, Priscila Crivellaro, Aline D. Khatchikian, Cameron Hague, Jana Taylor, Linda Probyn

Notice bibliographique

RevueCanadian Association of Radiologists Journal · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensSt. Paul's HospitalMcGill UniversityUniversity of ManitobaUniversité de MontréalUniversity of SaskatchewanUniversity of AlbertaUniversity of TorontoDalhousie UniversityUniversity of OttawaUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésLikert scalePreparednessMedicineCompetence (human resources)Descriptive statisticsRating scaleFamily medicinePsychological interventionScale (ratio)Medical educationCross-sectional studyNursingPsychologyPathology

Résumé

récupéré en direct d'OpenAlex

Introduction: This needs assessment evaluated residents’ and medical students’ knowledge of Competence by Design (CBD), perceived benefits of and challenges or barriers to the transition to CBD for residents, and perceived overall preparedness for the transition to CBD in diagnostic radiology. Materials and Methods: All diagnostic radiology residents and medical students in Canada were eligible to participate in this national cross-sectional, questionnaire-based needs assessment. Knowledge of CBD was evaluated through participants’ self-reported rating of their knowledge of CBD on a 5-point Likert scale. Perceived benefits of and challenges or barriers to the transition to CBD for residents were rank ordered. Participants’ overall self-reported preparedness for the transition to CBD was assessed on a 5-point Likert scale. Data were summarized by descriptive statistics and bivariate analyses were conducted as appropriate. Results: Ninety-four residents ( n = 77) and medical students ( n = 17) participated in this needs assessment. Participants’ mean ± standard deviation self-reported rating of their overall knowledge of CBD was 2.86 ± .94. Provision of meaningful feedback to learners and learners’ ability to identify their own educational needs were among the highest ranked perceived benefits of the transition to CBD, while demands on time and increased frequency of evaluation were among the highest ranked perceived challenges or barriers to the transition to CBD. Few participants reported being either “prepared” (4.7%) or “somewhat prepared” (14.0%) for the transition to CBD. Conclusion: Preparedness for the transition to CBD in diagnostic radiology may be improved. Targeted interventions to augment the preparedness of residents and medical students should be considered.

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)0,006
score de la tête « metaresearch » (Gemma)0,022
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,018
Tête enseignante GPT0,334
Écart entre enseignants0,316 · 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

Citations4
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Association of Radiologists JournalMême sujetInnovations in Medical EducationTravaux en français237 207