On the advantages and disadvantages of virtual continuing medical education: a scoping review
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: With the COVID-19 pandemic, most continuing medical education activities became virtual (VCME). The authors conducted a scoping review to synthesize the advantages and disadvantages of VCME to establish the impact of this approach on inequities that physicians face along the intersections of gender, race, and location of practice. Methods: Guided by the methodological framework of Arksey and O'Malley, the search included six databases and was limited to studies published between January 1991 to April 2021. Eligible studies included those related to accredited/non-accredited post-certification medical education, conferences, or meetings in a virtual setting focused on physicians. Numeric and inductive thematic analyses were performed. Results: 282 studies were included in the review. Salient advantages identified were convenience, favourable learning formats, collaboration opportunities, effectiveness at improving knowledge and clinical practices, and cost-effectiveness. Prominent disadvantages included technological barriers, poor design, cost, lack of sufficient technological skill, and time. Analysis of the studies showed that VCME was most common in the general/family practice specialty, in suburban settings, and held by countries in the Global North. A minority of studies reported on gender (35%) and race (4%). Discussion: Most studies report advantages of VCME, but disadvantages and barriers exist that are contextual to the location of practice and medical subspecialty. VCME events are largely organized by Global North countries with suboptimized accessibility for Global South attendees. A lack of reported data on gender and race reveals a limited understanding of how VCME affects vulnerable populations, prompting potential future considerations as it evolves.
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 | 0,004 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 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