Promoting Scholarly Activity in Pediatric Postgraduate Training: A Scoping Review
Notice bibliographique
Résumé
BACKGROUND: There is limited guidance on best practices for integrating scholarly activities into pediatric postgraduate training. OBJECTIVE: To synthesize the evidence on interventions that aim to promote scholarly activity among pediatric trainees. DATA SOURCES: MEDLINE, Embase, Web of Science and ProQuest ERIC. ELIGIBILITY CRITERIA: We included studies reporting interventions that aimed to increase scholarly activity among pediatric residents and general pediatric/subspecialty fellows. The primary outcome was scholarly activity, defined as participation in scholarly projects, presentations, publications, and grants related to basic science or clinical research, quality improvement, and medical education. SYNTHESIS METHODS: We categorized included studies by intervention type. RESULTS: Of 6181 studies screened, 23 were included. Four studies specified including training in quality improvement or medical education. Intervention types included longitudinal curriculum (n = 1), specialized elective/stream (n = 5), mentorship (n = 2), administrative mandate (n = 4), funding support/research award (n = 2), gamification (n = 1), short-term curriculum (n = 3), and longitudinal curriculum plus mentorship (n = 5). Of 16 studies with comparison data, 13 (81%) showed improvement in at least 1 primary outcome in the intervention group compared to control. Where comparison data were available, specialized electives/streams and short-term curricula were associated with increased presentations and/or publications, while other intervention types showed mixed results. CONCLUSION: Various evidence-based interventions can promote scholarly activity among pediatric trainees. Implementing specialized electives/streams and short-term curricula may improve scholarly activity without a substantial time investment. Future research should assess trainee scholarly needs and include a more rigorous assessment of interventions to promote scholarly activity, particularly in quality improvement and medical education, with appropriate comparison groups.
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 | 0,034 | 0,128 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,016 | 0,018 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».