Teaching skills for medical residents: are these important? A narrative review of the literature
Notice bibliographique
Résumé
ABSTRACT BACKGROUND: There is extensive evidence, mainly from the United States and Canada, that points towards the need to train medical residents in teaching skills. Much of the “informal curriculum”, including professional values, is taught by residents when consultants are not around. Furthermore, data from the 1960s show the importance of acquiring these skills, not only for residents but also for all doctors. Teaching moments can be identified in simple daily situations, like discussing a clinical situation with patients and their families, planning patients’ care with the healthcare team or teaching peers and medical students. The aim here was to examine the significance of resident teaching courses and estimate the effectiveness of these courses and the state of the art in Brazil. METHODS: We conducted a review of the literature, using the MEDLINE, PubMed, SciELO and LILACS databases to extract relevant articles describing residents-as-teachers (RaT) programs and the importance of teaching skills for medical residents. This review formed part of the development of a doctoral project on medical education. RESULTS: Original articles, reviews and systematic reviews were used to produce this paper as part of a doctoral project. CONCLUSIONS: RaT programs are important in clinical practice and as role models for junior learners. Moreover, these educational programs improve residents’ self-assessed teaching behaviors and teaching confidence. On the other hand, RaT program curricula are limited by both the number of studies and their methodologies. In Brazil, there is no such experience, according to the data gathered here, except for one master’s thesis.
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 | 0,001 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,008 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».