Medical school dermatology education: a scoping review
Notice bibliographique
Résumé
Dermatological diseases are widespread and have a significant impact on the quality of life of patients; however, access to appropriate care is often limited. Improved early training during medical school represents a potential upstream solution. This scoping review explores dermatology education during medical school, with a focus on identifying the factors associated with optimizing the preparation of future physicians to provide care for patients with skin disease. A literature search was conducted using online databases (Embase, MEDLINE, CINAHL and Scopus) to identify relevant studies. The Joanna Briggs Institute methodological framework for scoping reviews was used, including quantitative and qualitative data analysis following a grounded theory approach. From 1490 articles identified, 376 articles were included. Most studies were from the USA (46.3%), UK (16.2%), Germany (6.4%) and Canada (5.6%). Only 46.8% were published as original articles, with a relatively large proportion either as letters (29.2%) or abstracts (12.2%). Literature was grouped into three themes: teaching content, delivery and assessment. Core learning objectives were country dependent; however, a common thread was the importance of skin cancer teaching and recognition that diversity and cultural competence need greater fostering. Various methods of delivery and assessment were identified, including computer-aided and online, audiovisual, clinical immersion, didactic, simulation and peer-led approaches. The advantages and disadvantages of each need to be weighed when deciding which is most appropriate for a given learning outcome. The broader teaching-learning ecosystem is influenced by (i) community health needs and medical school resources, and (ii) the student and their ability to learn and perform. Efforts to optimize dermatology education may use this review to further investigate and adapt teaching according to local needs and context.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,020 | 0,021 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».