MétaCan
Menu
Retour à la cohorte
Enregistrement W4387002607 · doi:10.1259/bjr.20230039

Interventional radiology training in the UK: a view from within—a national survey

2023· article· en· W4387002607 sur OpenAlexaff
Usman Mahay, Paul Jenkins, Linda R. Watkins, Indrajeet Mandal, Omotolani Lewis, K Harborne, Shian Patel, John Reicher, Wing Yan Liu, Jim Zhong, Mohamad Hamady

Notice bibliographique

RevueBritish Journal of Radiology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiology practices and education
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésSubspecialtyMedicineWorkloadCurriculumInterventional radiologyTraining (meteorology)SyllabusMedical educationRadiologyFamily medicineMedical physicsPsychologyManagement

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Interventional radiology (IR) training in the UK has evolved since recognition as a subspecialty in 2010 and introduction of a new curriculum in 2021. The changing landscape, increasing workload and COVID-19 have affected training. The purpose of this study was to review trainees' perspectives on training and develop strategies to further improve training. METHODS: Online survey approved by the British Society of Interventional Radiology Council distributed to British Society of Interventional Radiology Trainee members between 9 March 22 and 25 March 2022. The survey was open to all UK based ST4-6 IR trainees and fellows. Descriptive and thematic analysis was undertaken. RESULTS: 43 responses were received from 17/19 UK training regions. Females represented 10% (4/41) and 5% (2/43) less than full time (LTFT) trainees. 82% (31/38) felt their curriculum was suitable for their training and 28/38 (74%) were satisfied with IR training. Vascular IR, Interventional Oncology, paediatrics and stroke thrombectomy were identified as areas of training desiring improvement. 45% (18/40) stated exposure to IR led clinics and 17.5% (7/40) to IR led ward rounds. Only 6/38 (15.7%) received structured IR teaching at least once a month. Approximately, a third of respondents (13/38) stated training opportunities were significantly compromised secondary to COVID-19. CONCLUSION: This survey shows overall good satisfaction with IR training. However, improved training opportunities in vascular IR, interventional oncology, paediatric IR and stroke thrombectomy are required. In addition, access to clinics, ward rounds and protected time for research is needed to improve training quality. ADVANCES IN KNOWLEDGE: New national UK IR training survey.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,118
Tête enseignante GPT0,376
Écart entre enseignants0,259 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of RadiologyMême sujetRadiology practices and educationTravaux en français237 207