Changes in medical student attendance and its impact on student educational outcomes: a systematic review protocol
Notice bibliographique
Résumé
INTRODUCTION: The COVID-19 pandemic has had a significant impact on medical education, with many institutions shifting to online learning to ensure the safety of students and staff. However, there has been a decline in in-person attendance at medical schools across the UK and worldwide following the relaxation of social distancing rules and the reinstation of in-person teaching. Importantly, this trend has been observed prior to the pandemic. While reflected within the literature, there is currently no systematic review describing these changes. We aim to find out how medical students' attendance is changing as documented within the literature and its impact on their educational outcomes. METHODS AND ANALYSIS: This systematic review will follow the guidelines of the Centre of Research and Dissemination, Meta-analyses of Observational Studies in Epidemiology and Preferred Reporting Items for Systematic Reviews and Meta-Analyses. We will search the major databases of Medline via Ovid, Embase via Ovid, Scopus, Web of Science, British Education Index via EBSCOhost and ERIC via EBSCOhost.Two reviewers will independently screen each paper and extract data, with a third reviewer for dispute resolution. All studies reporting on medical students from various universities, both graduate and undergraduate and describing changes in attendance and/or students' educational outcomes will be included. Risk of bias in individual studies will be assessed using the Newcastle-Ottawa Scale and confidence in cumulative evidence will be evaluated using the Grading of Recommendations, Assessment, Development and Evaluation-Confidence in the Evidence from Reviews of Qualitative Research approach. A narrative synthesis of the findings from all included studies will be reported. ETHICS AND DISSEMINATION: Ethical approval is not required for this systematic review of existing publicly available literature. We will subsequently aim to publish the results of this systematic review in a peer-reviewed journal.
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 | 0,103 | 0,087 |
| Méta-épidémiologie (sens strict) | 0,007 | 0,007 |
| Méta-épidémiologie (sens large) | 0,024 | 0,018 |
| Bibliométrie | 0,017 | 0,014 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,008 | 0,010 |
| Science ouverte | 0,006 | 0,005 |
| Intégrité de la recherche | 0,009 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,077 | 0,012 |
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 ».