Analysis of Statistical Knowledge of Peruvian Medical Students: A Cross-Sectional Analytical Study Based on a Survey
Notice bibliographique
Résumé
Introduction: Despite the growing awareness of the importance of knowledge in biostatistics, many investigations worldwide have found that medical students have a poor understanding of it. Objective: To determine the percentage of Peruvian medical students with sufficient biostatistics knowledge and the associated factors. Methods: Cross-sectional analytical study. Application of a virtual survey to medical students from different faculties in Peru. Results: 56.46% of medical students have insufficient knowledge of biostatistics. A statistically significant association was found for those who were 25 years of age or older (aPR: 1.195; 95% CI 1.045 - 1.366; p=0.009); being between the 9th and 12th semester (aPR: 1.177; 95% CI 1.001 - 1.378; p=0.037) and medical internship (aPR: 1.373; 95% CI 1.104 - 1.707; p=0.004); take an external course in biostatistics, epidemiology or research (aPR: 4.016; 95% CI 3.438 - 4.693; p<0.001); having read more than 12 articles per year (aPR: 1.590; 95% CI 1.313 - 1.967; p<0.001); and publish at least one scientific article (aPR: 1.549; 95% CI 1.321 - 1.816; p<0.001) or more than one (PR: 2.312; 95% CI 1.832 - 2.919; p<0.001). Conclusions: There is insufficient knowledge of biostatistics in medical students. The factors associated with a good understanding of this were age, academic semester, the number of articles read and published, and having taken an external course.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».