A systematic review of the effectiveness of journal clubs in undergraduate medicine
Notice bibliographique
Résumé
Background: Training future doctors in the skills of evidence-based medicine (EBM) is clearly important. Journal club (JCs) are well-recognized educational interventions for teaching EBM. In contrast to postgraduate medical education, JCs use in undergraduate medical education (UME) has not been adequately explored. We conducted a realist review of the effectiveness of JCs in UME to unpack the underlying mechanisms by which the intervention works (or fails) in teaching EBM. Methods: The scope of review was the evaluation of the effectiveness of JCs in UME settings. We searched major bibliographic databases - MEDLINE, Embase, ERIC, PSYCInfo, CINAHL, Scopus, and Web of Science and found fifteen articles eligible for inclusion. Data was extracted aided by a modified Kirkpatrick framework and presented in evidence tables. Themes and chains of inference were identified, and finally, we formulated new hypotheses on how and why JC intervention works. Results: Mandatory vs. voluntary JC did not differentially impact attendance of JC in UME settings though JC duration beyond two hours decreased attendees' self-reported satisfaction. Coupling lectures to JCs positively impacts knowledge gain and retention. Coupled Mentorship or using critical appraisal worksheets helped the achievement of manuscript writing skills and a positive attitude towards EBM. Conclusions: Journal clubs are effective interventions to teach EBM in UME settings and are well-received by learners. They improve specific learning outcomes of knowledge gain and retention, skills of manuscript writing and critical appraisal. However, we found no evidence that these translates to the practice of EBM nor impacts patient 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 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 | 0,043 | 0,244 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».