One-week radiology boot camp for pre-clerkship medical students: A novel format improving image interpretation and confidence
Notice bibliographique
Résumé
RATIONALE AND OBJECTIVES: To measure change in radiology knowledge, confidence in radiology skills, and perceptions pertaining to radiology following a one-week boot camp elective for undergraduate medical students. MATERIALS AND METHODS: A five-day comprehensive radiology boot camp was developed including sessions on image interpretation, procedural skills, and appropriate image ordering. A multiple-choice quiz was administered before and after the elective, utilizing radiology questions from the validated AMSER STARS database. Additionally, a pre- and post-elective survey was administered assessing radiology career interest, confidence in radiology-based skills, and the potential ability of radiology-based skills to increase confidence in specialties other than radiology. Responses from the assessments were analysed using paired t-tests. RESULTS: 15 students enrolled in the course and 14 completed all assessments. The average score on the quiz increased from 50.1% to 66.0% (p<0.001). On the post-elective survey, the average student confidence score increased by more than one point on a six-point Likert scale in each of radiographic interpretation (p=0.004), ultrasound interpretation (p=0.0002), CT/MRI interpretation (p=0.02), general radiology knowledge including procedural skills (p=0.0001), and appropriate image ordering (p=0.004). Average student satisfaction with the elective was 8.1 out of 10. CONCLUSION: A one-week radiology boot camp for pre-clerkship medical students improved radiology knowledge and confidence in radiology skills, showing potential for this format to meet the demand for increased radiology content in undergraduate training. Students indicated that confidence in radiology knowledge would increase confidence on non-radiology clerkship rotations, highlighting the importance of how a one-week radiology bootcamp can impact both future radiology and non-radiology clerkship experiences.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».