Survey-Based Evaluation of the Impact and Effectiveness of a Nuclear Medicine Training Program: An Insight from Graduate Trainees
Notice bibliographique
Résumé
BACKGROUND: Residency and fellowship training in nuclear medicine aims to equip specialists with diagnostic, technical, clinical, and research skills essential for clinical and academic roles. This study evaluates the effectiveness of a nuclear medicine training program as perceived by former trainees, focusing on mentorship, resources, curriculum content, and professional development. OBJECTIVE: The objective of the study was to evaluate the perceived impact of nuclear medicine training programs on clinical competence, professional development, and career readiness, based on feedback from former trainees. METHODS: In 2024, an online survey was administered to former trainees of the nuclear medicine training program of the University of Ottawa, Canada, across multiple countries, including Canada, Saudi Arabia, Iran, and Oman. Responses from the 11 participants assessed satisfaction with mentorship, facilities, off-service rotations, and skill application post-training. Statistical analysis, including analysis of variance (ANOVA), evaluated the program's impact. RESULTS: The program received high ratings for overall quality (45% (n=5) excellent, 35% (n=4) very good) and its contribution to professional success (85% (n=9) significantly or very significantly). The program was rated very effective by 65% (n=7) of respondents. Key strengths included hands-on training, access to technology, and diagnostic skill development. Areas for improvement included mentorship consistency, advanced equipment access, and structured leadership training. CONCLUSIONS: The nuclear medicine residency and fellowship program effectively enhances diagnostic and clinical competencies. Enhancing mentorship, technology access, leadership development, and research support will optimize training 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».