Development of a national Zoom‐based lectureship for pediatric transplant hepatology trainees
Notice bibliographique
Résumé
BACKGROUND: Previous publications identified a gap in standard education on topics related to advanced hepatology and liver transplantation for pediatric transplant hepatology trainees. The Society of Pediatric Liver Transplantation (SPLIT) Education Committee designed a Zoom-based lectureship series for all advanced pediatric transplant hepatology trainees. We aim to describe the educational series and feedback from fellow participants. METHODS: Pediatric transplant hepatology trainees from across the United States and Canada were invited to attend 25 Zoom-based lectures on a broad list of topics pertaining to pediatric transplant hepatology. At the completion of the lectureship, a 53-item REDcap survey using single-answer, Likert-scale, and open-ended questions was distributed via email to all participants. RESULTS: A total of 16 fellows from broad geographic areas responded to the survey. Nineteen percent (n = 3/16) of fellows attended all 25 lectures and 31% (n = 5/16) attended 16-20 lectures. Majority of fellows (88%, n = 14/16) reported the lecture series increased knowledge of liver disease, increased confidence in managing children with liver disease, and aided with board preparation. Additionally, over half of the fellows (81%, n = 13/16) reported the series served as a platform for networking and mentoring from peers and experts in the field. All fellows recommended the lecture series for future fellows. CONCLUSION: The SPLIT educational lectureship for advanced pediatric transplant hepatology trainees provided a national education curriculum that not only led to increased knowledge and confidence in the diagnosis and management of common conditions encountered in pediatric transplant hepatology but also provided a unique networking and mentorship environment.
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 | 0,001 | 0,002 |
| 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 ».