Investigating the experiences of medical students quarantined due to COVID-19 exposure
Notice bibliographique
Résumé
Background: The COVID-19 pandemic profoundly impacted medical education systems worldwide. Between March 2020 and December 2021, 111 MD students at the University of Toronto completed two-week quarantines due to hospital or community exposures and experienced disrupted clinical instruction. We explored the experiences, barriers, and supports of these quarantined medical students to identify program development opportunities and improve student supports. Methods: We used a qualitative descriptive approach to explore experiences of clerkship students quarantined due to COVID-19 exposure. Methods included an online survey with open-ended questions and an audio-recorded interview. We analysed the demographic survey responses using descriptive statistics. Subsequently, we conducted descriptive thematic analysis of the narrative survey responses and transcribed interview recordings. Results: = 5) included themes of illness uncertainty, racial tensions, confidentiality of COVID-19 status, unclear academic expectations, and financial burden. Supports included friends, family, and MD program administration. Recommendations related to communication, administration, equity considerations, supports, confidentiality/privacy, and academics. Conclusion: Supporting student wellbeing and learning is at the core of medical training. Enhanced understanding of health profession trainee needs during COVID can improve institutional supportive responses to students routinely and during times of crisis.
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 | 0,006 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,013 | 0,010 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,002 | 0,012 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».