Impact of early waves of the COVID-19 pandemic on family medicine residency training
Notice bibliographique
Résumé
OBJECTIVE: To identify how graduating and incoming family medicine residents (FMR) experienced changes to their education during the early waves of the COVID-19 pandemic. DESIGN: The Family Medicine Longitudinal Survey was modified with questions related to the impact of COVID-19 on FMR and their training. Short-answer responses underwent thematic analysis. Responses to Likert scale and multiple-choice questions were reported as summary statistics. SETTING: Department of Family and Community Medicine at the University of Toronto in Ontario. PARTICIPANTS: Graduating FMR in spring 2020 and incoming FMR in fall 2020. MAIN OUTCOME MEASURES: Residents' perceptions of the impact of COVID-19 on clinical skills acquisition and preparedness for practice. RESULTS: Surveys response rates were 124 of 167 (74%) and 142 of 162 (88%) for graduating and incoming residents, respectively. Important themes for both cohorts included reduced access to clinical environments, reduced patient volumes, and lack of exposure to procedural skills. While the graduating cohort indicated they felt confident to begin practising family medicine, they described being impacted by the loss of a tailored learning environment, including canceled or altered electives. In contrast, incoming residents reported the loss of core skills, such as physical examination competency, as well as the loss of face-to-face communication, rapport, and relationship-building opportunities. However, both cohorts endorsed gaining new skills during the pandemic, including conducting telemedicine appointments, pandemic planning, and interfacing with public health. CONCLUSION: Based on these results, residency programs can specifically tailor solutions and modifications to address common themes across cohorts to facilitate optimal learning environments in pandemic times.
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 | 0,000 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».