Musculoskeletal Medicine in Undergraduate Medical Education
Notice bibliographique
Résumé
Musculoskeletal (MSK) instruction has been identified as being inadequate in undergraduate medical education around the world. Just over two decades ago, there began to be recognition by medical education institutions that learners were emerging from their training lacking in both sufficient confidence and knowledge to manage MSK conditions. This was reflected in low passing rates on validated MSK knowledge assessments and in various evaluations that reported that primary care physicians, residents, and medical students generally had low confidence in their ability to accurately diagnose and treat MSK-related complaints. These gaps were linked back to problems at the undergraduate level of training, and barriers to implementing comprehensive MSK instruction were identified as a lack of time and resources dedicated to this subject area. Despite this recognized issue, little work has been done to reform Canadian medical school’s MSK curricula and identify sustainable solutions. Thus, we used the Context, Input, Process, and Product program evaluation framework situated within a sequential exploratory mixed methods approach to develop, implement, and evaluate a novel self-directed learning tool for MSK medicine at the DeGroote School of Medicine. First, a qualitative interpretive description study was used to assess student and faculty perceptions of the strengths and weaknesses of the MSK curriculum and inform the development of the learning tool. Next, a two-groups pre-test post-test design and a cross-sectional survey were used to evaluate the implementation and efficacy of the learning tool in helping medical students learn MSK medicine. Ultimately, this thesis outlines methods for evaluating MSK curricula and provides a promising learner-informed tool for assisting students in learning about MSK medicine in clinical settings.
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 | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 0,005 |
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 ».