An Online Educational Module to Improve General Internal Medicine Trainees’ Knowledge and Comfort in Managing Acute Complications of Sickle Cell Disease
Notice bibliographique
Résumé
BACKGROUND: Sickle cell disease (SCD) is a genetic disorder characterized by hemolytic anemia and vaso-occlusive episodes. Many adults with SCD require hospitalization for the management of acute manifestations. There appears to be a gap in the level of knowledge that general internal medicine (GIM) trainees possess regarding the treatment and management of SCD. METHODS: We created an online module that helps medical residents improve their knowledge about SCD. Participants were exposed to different scenarios related to SCD. A pre-and posttests were administered to detect improvement in knowledge and comfort when managing SCD and its acute complications. RESULTS: Thirty consecutive GIM residents participated. Of these, 20 completed the demographic survey, 17 completed the pretest, and 10 completed the posttest and usability survey. The median time to complete the module was 68 min. Fifty percent of participants were 1 st -year postgraduation from medical school. Forty-five percent stated that they were uncomfortable managing patients with SCD 80% had cared for at least 1–5 patients with SCD. All reported having no SCD lectures in residency. The median pretest score was 12/20 (range, 8–15) and posttest score was 20.5/25 (range, 13–24). CONCLUSIONS: Residents agreed that the module was useful, helps understanding about SCD and its complication, and aids with clinical duties. This module demonstrated to be an effective educational tool that can support resident education during their internal medicine. Further strategies will be needed to improve the delivery of online modules to keep residents engaged with the module and attaint full benefit from these activities.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».