'Virtual Mentorship is a No-Brainer': The Application of a Virtual Mentorship Programme for Prospective Plastic Surgery Trainees
Notice bibliographique
Résumé
Aims This study aimed to evaluate the effectiveness of a virtual mentorship programme in plastic surgery designed for medical students and foundation doctors in the United Kingdom. The programme sought to enhance understanding of common and emergency conditions, provide guidance on the application process for speciality training, and facilitate networking opportunities. Materials and methods The programme consisted of six sessions delivered via Microsoft Teams (Microsoft® Corporation, Redmond, WA) over a four-month period from May to August 2024. Participants completed online pre- and post-mentoring questionnaires. Wilcoxon signed-rank test was used to compare paired data responses. Results Ten participants completed both questionnaires; 90% were medical students, and 10% were foundation-year doctors. There was a significant increase in the understanding of common plastic surgery conditions and emergencies (p < 0.05), as well as improved knowledge of the application processes for core surgical training (p < 0.05) and higher speciality training (p < 0.05). Interest in the speciality significantly increased (p < 0.05), and participants were more likely to seek in-person mentorship (p < 0.05). The programme was well-received, with 100% rating it as 'excellent' or 'very good'. Conclusions The virtual mentorship programme effectively enhanced foundational knowledge, career preparation, and mentor-mentee relationships. Its implementation is recommended both alone and in combination with traditional face-to-face mentorship.
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 | 0,006 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».