EVALUATION OF THE DETERMINANTS OF CLINICAL MEDICINE TRAINING OUTCOMES IN WESTERN KENYA
Notice bibliographique
Résumé
Study Objective: To analyze the learner – lecturer / instructor interaction process within the context of theory learned during training put into clinical / medical practice. This was in order to generate limitation in both the teaching institutions that address Clinical Medicine training outcomes. Study Design: Across- sectional study Study Setting: This study was carried out in Lake Basin Region of Kenya. The area includes Kisumu and its surrounding counties of Vihiga and Nandi. Study Subjects / Participants: Sixty six (66) Clinical Medicine students from various MTIs in Lake Basin Region of Kenya, 58 health workers, 3 heads of departments from KMTCs, and 5 heads of departments in the clinical placement sites that was visited for this study and 4 lecturers of MTIs. Study Results: Analysis from observations of student / lecturer / infrastructure / leadership / linkage engagements were obvious and more so the absence of libraries in all RHTCs. In both the county Hospital and the referral Hospital (JOOTRH) there were libraries which were inaccessible to Clinical Medicine students. There were linkages and networking processes in all the training health facilities that were used as clinical placement sites. This was evident in the many students who were present from different MTIs in Kenya. Students for clinical placements came from all MTIs in Kenya among who were all KMTCs, GLUK, Uzima University College, Mt Kenya University, Moi University and others. There were evident interactions in many ways both academically and socially, and with the presence of ICT services, these students were linked together nationally regionally and internationally Study Conclusion: This study therefore provides a tool to guide MTIs and clinical placement sites in Kenya on the best practice in linking theory based learning with clinical practice in achieving quality, competent, effective, and efficient Clinical Medicine training outcomes.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».