Assessment of the Attitudes and Knowledge of Musculoskeletal Medicine Among Medical Students at King Faisal University: A Cross-Sectional Study
Notice bibliographique
Résumé
Background: Musculoskeletal conditions are a frequent reason for seeking medical attention. In the United States and Canada, orthopedic injuries constitute about 15-30% of primary care visits. Physicians from various specialties encounter musculoskeletal conditions and manage both, acute and chronic problems, on a daily basis. Considering this, mastery of the fundamentals of musculoskeletal medicine is required for all medical school graduates. In this study, we aim to evaluate the attitudes and knowledge of musculoskeletal medicine among medical students at King Faisal University. Methodology: A cross-sectional study with one-stage sampling technique was conducted among medical students at King Faisal University from February 2021 to May 2021. Results: Our study demonstrated that students possess a lower level of clinical confidence in their ability to perform musculoskeletal clinical examinations compared to pulmonary clinical examinations. Further, they displayed a lower level of clinical confidence in their ability to make musculoskeletal differential diagnoses compared to pulmonary differential diagnoses. Also, their average scores on the basic competency exam did not reach 73.1. Conclusion: The current study evaluated the attitudes and knowledge of musculoskeletal medicine among medical students at King Faisal University. The findings in our study are consistent with the results of other research that indicate medical students are not getting sufficient education in musculoskeletal medicine.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».