Assessing Gender Differences in Technical Skills and Confidence in Orthopaedic Surgery Residency Applicants
Notice bibliographique
Résumé
INTRODUCTION: Variations in confidence for procedural skills have been demonstrated when comparing male and female medical students in surgical training. This study investigates whether differences in technical skill and self-reported confidence exist between male and female medical students applying to orthopaedic residency. METHODS: All medical students (2017 to 2020) invited to interview at a single orthopaedic residency program were prospectively evaluated on their technical skills and self-reported confidence. Objective evaluation of technical skill included scores for a suturing task as evaluated by faculty graders. Self-reported confidence in technical skills was assessed before and after completing the assigned task. Scores for male and female students were compared by age, self-identified race/ethnicity, number of publications at the time of application, athletic background, and US Medical Licensing Examination Step 1 score. RESULTS: Two hundred sixteen medical students were interviewed, of which 73% were male (n = 158). No gender differences were observed in suture task technical skill scores or mean difference in simultaneous visual task scores. The mean change from pre-task and post-task self-reported confidence scores was similar between sexes. Although female students trended toward lower post-task self-reported confidence scores compared with male students, this did not achieve statistical significance. Lower self-reported confidence was associated with a higher US Medical Licensing Examination score and with attending a private medical school. DISCUSSION: No difference in technical skill or confidence was found between male and female applicants to a single orthopaedic surgery residency program. Female applicants trended toward self-reporting lower confidence than male applicants in post-task evaluations. Differences in confidence have been shown previously in surgical trainees, which may suggest that differences in skill and confidence may develop during residency training.
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 | 0,005 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».