Cross-sectional study of resident physician knowledge and perceptions regarding MASLD in Canada
Notice bibliographique
Résumé
Background: Metabolic dysfunction-associated steatotic liver disease (MASLD) affects approximately 25% of Canadians. As its prevalence grows, it is crucial for future primary care physicians to have a thorough understanding of MASLD to improve patient care. Methods: We conducted a nationwide cross-sectional survey among resident physicians in primary care specialties to assess their knowledge and perceptions of MASLD. “Reasonable knowledge” was defined as correctly answering over 50% of the questions. Associations were analyzed using χ 2 testing and multiple logistic regression analysis. Results: We received 413 responses, with 252 (61%) from Family Medicine residents and 161 (39%) from Internal Medicine residents. Among the respondents, 91% considered MASLD an important public health issue; however, only 11% felt they had adequate exposure to the condition and 94% endorsed a need for more teaching. Overall, 35% of the respondents displayed a reasonable knowledge of MASLD. In univariate analysis, factors associated with greater MASLD knowledge included Internal Medicine residency ( p = 0.001), higher post-graduate year ( p = 0.003), prior GI or hepatology rotations ( p = 0.003), previous MASLD lectures ( p = 0.021), and higher subjective familiarity with MASLD ( p <0.001). However, only moderate (odds ratio (OR) 5.7, 95% CI 1.1–26.3, p = 0.026) and high (OR 10.1, CI 1.6–65.3, p = 0.015) subjective familiarity with MASLD, and three or more prior MASLD lectures (OR 3.4, CI:1.1–10.4, p = 0.031) remained statistically significant in multivariate analysis. Conclusions: Resident physicians recognize MASLD as an important health issue but lack adequate exposure and knowledge about the condition. Further emphasis and education are required to bridge these knowledge gaps and improve patient outcomes.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».