Analysis of Statistical Knowledge of Peruvian Medical Students: A Cross-Sectional Analytical Study Based on a Survey
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,043 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 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 découle