Developing a Trainee Advisory Committee Within a Pediatric Hospital Medicine Research Network
Notice bibliographique
Résumé
Medical research networks are essential for advancing clinical care. Despite the recognized importance of building research capacity and training future pediatric researchers, trainee engagement within these research networks remains inconsistent. To address this, the Paediatric Inpatient Research Network (PIRN) established the Trainee Advisory Committee (TAC) in 2022 to foster trainee participation in pediatric hospital medicine research. This article describes the development, implementation, and early outcomes of the TAC, highlighting key successes and challenges. In its first 2 years, the TAC focused on increasing trainee engagement and facilitating cross-center, trainee-led research. A national survey on pediatric residency research experiences informed TAC priorities and led to a peer-reviewed publication. The TAC expanded in its second year, introducing structured subcommittees and defined leadership roles to enhance productivity and sustainability. These efforts increased membership, annual meeting attendance, and abstract submissions by trainees. Challenges included defining the TAC's scope, distributing roles, and managing turnover caused by short trainee tenures. Future goals include increasing trainee involvement in PIRN-led research and developing a mentorship program. The PIRN TAC provides a model for integrating trainees into research networks and strengthening the pipeline of future pediatric researchers. By sharing our experience, we offer a framework for other subspecialty research networks seeking to enhance trainee engagement.
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 | 0,120 | 0,141 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,012 | 0,003 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,005 | 0,017 |
| Intégrité de la recherche | 0,003 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,006 |
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 ».