MétaCan
Menu
Retour à la cohorte
Enregistrement W4313389326 · doi:10.21089/njhs.63.0092

Consultants & Trainees Active Participation in Multi-Disciplinary Team (MDT): Tumor Boards can Play a Major Role in the Achievement of their Academic Professional Development Goals

2022· article· en· W4313389326 sur OpenAlexaff
Fatima Shaukat, Muhammad Owais Aziz, Sehrish Abrar, Ahmed Nadeem Abbası, Tahir Shamsi

Notice bibliographique

RevueNational Journal of Health Sciences · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensSt. Lawrence College
Organismes subventionnairesnon disponible
Mots-clésMultidisciplinary approachCurriculumDisciplineMedical educationProfessional developmentMultidisciplinary teamSocioeconomic statusMedicineModernization theoryHealth careTeamworkPsychologyPedagogyNursingSociologyPolitical science

Résumé

récupéré en direct d'OpenAlex

We wish to share with the readers of this scientific journal our experiences and observations regarding educational gains achieved by the consultant faculty and trainee postgraduate residents via active participation in multidisciplinary team (MDT) Tumor Boards. The rapid modernization of teaching methodologies is being observed in both postgraduate residents and faculty professional education learning processes. Contemporary literature is increasingly depicting academic work which is being directed towards the exploration of both educational and social determinants of health care [1]. Several socio-economic factors have been discussed across the globe which have an impact on the health care systems [2]. Researchers argued over the fact that the leading factor for a positive outcome is socioeconomic wellbeing especially for patients with diseases, like cancer, diabetes mellitus, etc. If we critically evaluate the curriculums designed on the principles of traditional problem-based learning and case-based learning, they are very well-established students centre approaches, but on their merit, they failed to provide a holistic picture of the patient care [3].

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,461
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,090
Tête enseignante GPT0,466
Écart entre enseignants0,376 · 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 tête enseignante, 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'admission1
Résumé présentoui

Explorer davantage

Même revueNational Journal of Health SciencesMême sujetInnovations in Medical EducationTravaux en français237 207