Educational exposures associated with preclinical medical student interest in pursuing surgical residency: Longitudinal mixed-methods study with narrative evaluation
Notice bibliographique
Résumé
Introduction: Pre-clerkship medical students rely on various educational experiences to decide on the residency they would like to pursue. We conducted a longitudinal mixed-methods study to identify educational experiences in pre-clerkship that are associated with an interest in pursuing surgery. Methods: Pre-clerkship medical students were invited to complete an initial survey regarding their interest in surgery and educational exposures. After 10 months, a follow-up survey was sent to identify changes in their interest and the role of educational experiences they may have had in the interim. Univariate regression was used to determine associations, and thematic analysis was done. Results: Data from 218 pre-clerkship students showed that shadowing (OR = 2.7), participation in technical workshops (OR = 5.1), having a mentor (OR = 4.6) and conducting surgical research (OR = 4.6) were associated with an interest in pursuing surgery. From the students with follow-up data, thematic analysis showed that 94 %, 89 %, and 81 % of students found shadowing, research, and mentorship, respectively, as influential in the decision of pursuing a surgical specialty, respectively. Conclusions: Shadowing and mentorship were important factors for students in the decision-making process in pursuing surgery. Identifying high-yield educational experiences-for students to determine if one wants to pursue a surgical specialty is important for educators in curriculum design for resource allocation. Key message: We describe a longitudinal mixed-methods study to determine the role of early educational exposures which influence a medical student's decision to pursue a surgical specialty. Shadowing, technical skills workshops, surgical mentorship, involvement in surgical research, play an important role for student decisions.
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 | 0,014 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».