Report from the child neurology education and training workshop at the International Child Neurology Congress 2024: Expert's addressing the training gap
Notice bibliographique
Résumé
This report summarizes the key findings of a workshop undertaken at the International Child Neurology Congress in 2024 by child neurologists with expertise in training education and invested colleagues. The workshop aimed to explore global issues which have impact on access to child neurology training. The major findings supported a great need for more training programs globally, that consensus is needed for the minimum standards of training, and that training programs can be strengthened via global health partnerships especially with collaborations from regions with more available resources. The group concurred that the phenomena of 'neurophobia' amongst general paediatricians and medical trainees, was a reality, and creates barriers both working with paediatric colleagues, as well as recruiting specialists to the field. Optimal teaching practices for child neurology should include the expansion of learning through global partnerships and virtual educational resources. Measures must be put into place for fledgling training programs, to support colleagues in less resourced settings and to avoid their burn-out. Collegial and collaborative work is essential to support the future of child neurology across the globe, both to reach the current capacity needs but also to meet the necessary growth in the field.
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 | 0,020 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,039 | 0,023 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,004 |
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 ».