Implementing a resident-led transition-specific bootcamp curriculum during pediatric residency training: Our 3-year experience
Notice bibliographique
Résumé
Objectives: Postgraduate programs that use 'bootcamps' to help trainees transition into new clinical roles usually solely target entry to residency, failing to address other critical transition periods. We developed, implemented, and evaluated a resident-led transition-specific bootcamp curriculum in our Pediatrics program and described our first 3 years of experience. Methods: Our bootcamp curriculum was developed around Kern's framework. A needs assessment identified key transition periods (Incoming Resident [IR]; Night Float [NF]; Ward Senior [WS]). Teaching content and methods were informed by Residents-As-Teacher principles. Program evaluation included surveys exploring trainees' satisfaction, and perceived knowledge and self-efficacy before and after bootcamp participation. For the IR bootcamp, knowledge and behaviour were objectively assessed through written examinations and Observed Structured Clinical Examinations (OSCEs). Results: Twenty-seven pediatric residents participated in the IR bootcamp, 26 in the NF bootcamp, and 25 in the WS bootcamp. Trainees' baseline self-reported knowledge and confidence around clinical skills taught showed an improving trend post-bootcamp in all transition periods. Strengths identified included the level-appropriate teaching content and residents' engagement as teachers. Conclusions: Bootcamps can help residents adapt to new roles and should target all key transitions within the training continuum. Capitalizing on resident leadership for bootcamp curriculum development and implementation is instrumental to its success.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».