Status of clinical training of academic staff to medicalstudents in kurdistan region: a cross-sectional study
Notice bibliographique
Résumé
Introduction: Clinical supervision plays a significant role in nursing and medical practice.We aimed to explore the experiences of medicine and nursing students from the clinical educational supervision.Material and methods: In this cross-sectional study, 144 students of colleges of nursing (n = 88) and medicine (n = 56) of the University of Duhok, who were receiving clinical training for clinical-based subjects at colleges of nursing and medicine at University of Duhok in Kurdistan Region were included in a convenient way.Results: The study found that 57.64% were satisfied with the clinical supervision and mostly had positive perceptions.The total clinical supervision score, trust/rapport, supervisor advice, support, improve care/skills, improvement/ value of clinical supervision, funding time, personal issues, and reflection were significantly higher among medicine students.The medicine students were more likely to be satisfied with clinical training characteristics and had longer clinical training compared to the nursing students: 19-24 months (44.64%) vs. 1-6 months (70.45%; p < 0.0001), respectively.The entire clinical training (100%) among medicine students was weekly compared to weekly (86.36%), 2-weekly (3.41%), monthly (6.82%), and over 3 months (3.41%) among nursing students (p = 0.0397).Conclusions: The medicine students were more likely to be satisfied with clinical supervision compared to the nursing students.This satisfaction was associated with longer and weekly duration of training.The weaknesses of clinical supervision can guide supervisors to improve clinical education.We suggest that the entire fourth year be devoted to clinical training at the nursing college.In addition, one-to-one clinical training techniques be applied to both nursing and medicine colleges.We suggest the issues of clinical supervision be examined in more detail through some qualitative studies.The quantitative studies may not uncover the real problems of clinical supervision of medical students.
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 | 0,001 | 0,003 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».