A Survey Assessment of Nuclear Medicine Trainees’ Participation and Impact in Multidisciplinary Cancer Conferences: A Single-Center Study
Notice bibliographique
Résumé
BACKGROUND: Multidisciplinary cancer conferences (MCCs) are essential forums for collaborative oncology decision-making. However, existing literature has primarily examined the role of attending specialists and has rarely differentiated effects by specialty. The contributions of trainees, particularly in nuclear medicine, have been largely overlooked, leaving a gap in understanding how their participation influences both educational outcomes and patient management. This study addresses this gap by systematically evaluating the perceived impact of nuclear medicine trainees in MCCs. METHODS: A cross-sectional survey was distributed to 73 healthcare professionals at a tertiary medical center, including nuclear medicine specialists, trainees, and clinicians from surgery, oncology, and radiology. The survey included Likert-scale and multiple-choice questions to assess perceptions of trainee contributions to interprofessional collaboration, clinical decision-making, and patient outcomes. Descriptive statistics were calculated, and analysis of variance (ANOVA) and chi-square tests were applied to analyze Likert-scale responses and compare responses between nuclear medicine and non-nuclear medicine specialists. P-values < 0.05 were considered statistically significant. RESULTS: Of the 73 respondents, 57 (78.1%) indicated that nuclear medicine trainees enhanced interprofessional collaboration, while 56 (76.7%) reported a positive influence on patient care. Additionally, 60 (82.2%) perceived an educational benefit through enriched clinical knowledge. Chi-square analysis revealed no significant differences in perceptions across professional groups (p = 0.568). Reported barriers included inconsistent attendance, limited clinical experience, and time constraints. CONCLUSION: Nuclear medicine trainees play a valuable role in MCCs by enriching clinical discussions, supporting patient care, and contributing to professional development. To maximize their impact, structured learning opportunities, increased mentorship, and improved logistical support are recommended. These findings emphasize the importance of formally integrating trainees into MCC workflows to enhance both educational and clinical 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 | 0,010 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».