Evaluation of Factors Contributing to Veterinary Student Anxiety Prior to Instructional Surgery Laboratories
Notice bibliographique
Résumé
Abstract Understanding factors contributing to veterinary student anxiety prior to instructional laboratories is important for mitigating those stressors and improving student education. This study aimed to investigate the relationships between student anxiety prior to surgery and demographic and societal variables before and during the COVID-19 pandemic. We hypothesized that increased county COVID-19 cases would increase anxiety, and experience level would have no impact. Students were enrolled in this study in 2019 ( n = 87), 2021 ( n = 84), and 2022 ( n = 96). Participants completed a demographic questionnaire, the State Trait Anxiety Inventory (STAI), which involved a writing prompt to describe their feelings, and provided a salivary sample immediately prior to their first ovariohysterectomy laboratory. Univariable and multivariable linear models were used to assess for predictors of STAI scores, salivary cortisol levels, and scored prompt responses with significance threshold ( p < 0.05). Year and COVID-19 cases were correlated and considered together. A significant predictor for both STAI-S and STAI-T scores was year/COVID-19 (2019 = 0 COVID-19; STAI-S = 54.7 ± 6.6; 2021 = 679 COVID-19, STAI-S = 67.5 ± 6.6; 2022 = 186 COVID-19, STAI-S = 56.7 ± 10.1; p < .001). Alcohol use was predictive of reduced STAI-T scores. Predictors for increasing cortisol levels included year and use of over-the-counter medications. Predictors for short-answer results included year, laboratory role, and experience. Limitations include a limited time studied at one institution and the multifactorial, individualized nature of anxiety. Some measures of anxiety were greater in times of high COVID-19 levels, and there was evidence that anxiety was reduced for more experienced students. More work is needed to understand which factors influence student anxiety so targeted interventions can be evaluated.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 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 ».