Rheumatology Image of the Month: A Low Resource Innovation With Measurable Results
Notice bibliographique
Résumé
OBJECTIVES: Strategies to increase confidence in rheumatology knowledge are valuable for medical trainees and residents. A web-based teaching innovation was implemented in an attempt to increase rheumatology exposure for internal medicine residents. METHODS: An Image of the Month webpage was established, where a practicing rheumatologist would post a new image that could be answered online by internal medicine residents. Cumulative data was analyzed to determine the extent and change in rheumatology exposure. RESULTS: The Image of the Month webpage posted images for a total of 76 months between July 2010 to May 2017, with a total of 1326 submitted responses. The proportion of residents who only participated in Image of the Month and only did a rheumatology rotation averaged 36.1% and 16.5%, respectively. The proportion of residents who only participated in Image of the Month was higher than the proportion who only did a rheumatology rotation for all of the 7 time periods assessed. A total of 491 residents participated in Image of the Month, with an average of 54.9% of residents participating each year. Overall, on average, 52 residents had 1 or more submissions, 3.6 entries were submitted per resident, and 17.4 entries were submitted per month. Junior residents (PGY1) participated more often than senior residents (PGY3). CONCLUSIONS: The Image of the Month webpage successfully improves internal medicine resident exposure to rheumatology with minimal resources and manpower required. Further study is necessary to determine the impact this exposure may have on the abilities and confidence levels of internal medicine residents.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».