Assessment of surgery residents' knowledge of medical ethics and law. Implications for training and education
Notice bibliographique
Résumé
Medical ethics and law are essential topics that should be included in medical residency programs. However, surgery training programs in Iran lack a specific course in medical ethics and law, which can lead to patient dissatisfaction with surgical outcomes. This study aimed to assess surgery residents' knowledge of medical ethics and law and suggest improvements for future residency programs. This descriptive cross-sectional study involved 112 surgery residents from six teaching hospitals. A valid and reliable questionnaire comprising 15 items on medical ethics and 12 items on medical law was used to assess participants' knowledge. Most participants were female (31-40 years old), and their mean knowledge score for medical ethics was 3.26±0.53 out of 5, with the lowest score in "futile treatment and DNR orders." The mean knowledge score for medical law was 3.69±0.69, with the lowest score in "surrogate decision-maker." Age did not affect residents' knowledge, but gender did, with female residents demonstrating significantly better knowledge of medical ethics (3.344/5 vs. 3.112/5) and law (3.789/5 vs. 3.519/5). Surgery residents had a relatively favorable knowledge of medical ethics and law, but they require further training in some areas to improve their knowledge. Training should include journal clubs, role-play programs, standardized patient programs, and debates to achieve better results, as purely didactic lectures appear inadequate.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; 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 ».