Mentoring for Admission and Retention of Black Socio-Ethnic Minorities in Medicine: A Scoping Review
Notice bibliographique
Résumé
Purpose: Despite numerous mentoring strategies to promote academic success and eligibility in medicine, Black students remain disproportionately underrepresented in medicine. Therefore, we conducted a scoping review to identify the mentoring practices available to Black pre-medical students, medical students and medical residents, specifically the mentoring strategies used, their application, and their evaluation. Method: Between May 2023 and October 2023, the authors conducted a literature review. Studies that described a mentoring strategy applied among Black learners were eligible for inclusion, and all years of publication were included. Two reviewers screened each article using the Covidence tool, and conflicts were resolved by a third author. All reviewers extracted the data to summarize the various mentoring practices. Results: After screening 6292 articles, 42 articles met the criteria for full review. Of these, 14 studies were included in the study. Mentoring practices for Black students included peer mentoring, dyad mentoring, and group mentoring. Mentoring was typically offered through discussion groups, educational internships, and didactic activities. Evaluation of mentoring programs took into account (1) pass rates on medical exams (eg, MCAT, Casper), (2) receipt of an invitation to a medical school admissions interview, (3) successful match to a competitive residency program, and (4) a mentee's report of the overall experience and effectiveness of the program. Conclusion: This review is the first, to our knowledge, to focus on mentoring strategies implemented among Black learners in medicine. The results will inform mentoring strategies adapted for Black learners and will therefore address the underrepresentation of Black students in medicine.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 ».