MétaCan
Menu
Retour à la cohorte
Enregistrement W4414208611 · doi:10.1192/j.eurpsy.2025.921

PsychED – A National Teaching Programme to Boost Medical Student Engagement in Psychiatry

2025· article· en· W4414208611 sur OpenAlexaff
R. Hafes, Deepti Varma, Neville A. Stanton, S. Thakaria

Notice bibliographique

RevueEuropean Psychiatry · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensChild, Adolescent and Family Mental Health
Organismes subventionnairesnon disponible
Mots-clésSession (web analytics)Likert scaleMental healthCore competencyPresentation (obstetrics)Inclusion (mineral)

Résumé

récupéré en direct d'OpenAlex

Introduction In the 2019 Choose Psychiatry guidance for medical schools in the UK, medical students voiced a need for more extracurricular activities focused on mental health. They specifically requested the inclusion of psychiatric clinicians in their education to deepen their understanding of psychiatry and its different roles. Applications for core psychiatry training have risen dramatically, leading to oversubscription in recent years. In response to this demand, PsychED UK , a national teaching programme was created to further foster students’ knowledge and interest in psychiatry. Objectives - Increase medical students’ engagement in psychiatry as a career. - Enhance students’ knowledge and confidence in psychiatric practice. - Boost interest in psychiatry through practical insights and exposure. Methods Between December 2023 and February 2024, six one-hour teaching sessions were offered to medical students and Foundation Programme trainees through Medall, a virtual healthcare platform, delivered by consultants, registrars, and core trainees, ensuring a broad range of experiences. In order to increase engagement we selected different types of presentation content: session 1 and session 4 focused on practical and personal tips on life as a psychiatry trainee, session 2 and session 3 delivered high-yield content tailored to support exam revision and lastly session 5 and session 6 gave an insight into subspecialties, providing a glimpse into exciting career pathways beyond the general practice. Pre- and post-session questionnaires were used to measure the satisfaction scores, including likert scale ratings focusing on the student’s knowledge, confidence, and interest in a career in psychiatry and free text box for qualatative data. Results We had a strong turnout, with 126 attendees participating across six sessions. The audience included a diverse range of individuals, from first-year medical students to Foundation Year 2 trainees, with participants joining from across the UK and even internationally. The results showed strong overall satisfaction, with all sessions scoring 77% or higher. Sessions 1, 3, and 4 received the highest satisfaction ratings, and Sessions 1 and 4 had the highest percentage of attendees providing feedback, indicating strong engagement with the content. Free-text feedback analysis highlighted that attendees were seeking more personal experiences and insights from current core trainees. Image 1: Image 2: Conclusions The PsychED UK programme effectively enhanced medical students’ knowledge and confidence in psychiatry, addressing key areas identified in previous student feedback. Based on these positive results, a second series of teaching sessions is planned, with further refinements to the programme. Due to the high level of engagement and satisfaction with sessions 1 and 4, the second cycle will be presented by two speakers in a conversational format, focusing on the experiences of psychiatry trainees. Disclosure of Interest None Declared

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,402
Score d'incertitude au seuil0,919

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,400
Écart entre enseignants0,379 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean PsychiatryMême sujetInnovations in Medical EducationTravaux en français237 207