Early Exposure to Neurosurgery: Assessment of Perceptions, Mentorship and Competence on Medical Student Interest
Notice bibliographique
Résumé
ABSTRACT Background: Neurosurgery is a demanding specialty, and a trainee’s exposure to its tenets is usually achieved through residency. Medical students only access neurosurgical knowledge via brief stints in clerkships/electives and often lack mentorship and early exposure. This study sought to investigate the varying expectations about neurosurgical training held by Canadian medical students, with the goal of determining the impact of early exposure through educational opportunities and mentorship in developing interest and familiarity in the field. Methods: A cross-sectional study across Canada was conducted where students were provided with a 35-point questionnaire pertaining to mentorship, educational opportunities and interests regarding neurosurgery through REDcap. Questions were open-ended, closed-ended (single choice) or five-point Likert scale (matrix format). Interest in pursuing neurosurgery was selected as the primary outcome of this study and was dichotomized into high or low interest. Predictors of interest were determined using multivariable logistic regressions. Results: A total of 136 students from 14 accredited Canadian medical schools responded to the study. Most (55.9%) had prior exposure, and the most commonly reported deterring factors were work–life balance (94.5%) and family (84.6%). Predictors of interest included participation in relevant case-based discussion (OR = 2.644, 95% CI [1.221–5.847], p = 0.015) and involvement in neurosurgical research encouraged by home institution (OR = 1.619, 95% CI [1.124–2.396], p = 0.012). Discussion Future efforts to improve student interest should focus on early exposure to the field such as developing pre-clerkship neurosurgical electives or medical student groups focused on neurosurgery.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,003 | 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 ».