How much do Latin American medical students know about radiology? Latin-American multicenter cross-sectional study
Notice bibliographique
Résumé
Background Radiology is a useful tool for diagnosis and intervention in medical practice, and all the components within the teaching-learning process of this subject during undergraduate studies influence successful knowledge application.Objective This study aimed to describe the level of knowledge in radiology of students in the last two years of medical school and curricular characteristics of their courses in seven Latin American countries.Methods A multicenter cross-sectional study was carried out on medical students of 7 Latin American countries (Bolivia, Brazil, Colombia, Ecuador, Mexico, Paraguay, and Peru) in their final two years of medical school, using an online questionnaire validated by experts and adapted for each country that assessed knowledge and curricular characteristics in radiology subject. Scores were assigned according to the number of correct answers for the knowledge test. The T-test, and regression analysis with one-way ANOVA were used to search for relationships between the level of knowledge and other variables.Results A total of 1514 medical students participated in this study. All countries had similar participation (n > 200); most participants were women 57.8%. The country with the highest knowledge score was Brazil. Male, sixth year (internship) and from public universities students had higher knowledge score (n < 0.05). Participants, who considered radiology more important, and who reported higher compliance with teaching staff with the proposed syllabus, and programmed classes, obtained better scores (n < 0.05).Conclusions Latin American medical students included in this study have a regular overall level of knowledge of Radiology, apparently influenced by curricular differences such as class and academic program compliance. Efforts to better understand and improve academic training are indispensable.Limitations The study was subject to selection bias determined by non-probability convenience sampling. The questionnaire assessed only theoretical knowledge and the evaluation system was designed by the investigators.
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 | 0,002 | 0,013 |
| 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 | 0,000 | 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) | 0,002 | 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 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 ».