MétaCan
Menu
Retour à la cohorte
Enregistrement W7108339297 · doi:10.2196/67332

Global Learner Feedback on Continuing Medical Education–Accredited e-Learning Modules in Pediatric Endocrinology and Diabetes: Cross-Sectional Study

2025· article· en· W7108339297 sur OpenAlexvenueno aff

Notice bibliographique

RevueJMIR Medical Education · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensnon disponible
Organismes subventionnairesEuropean CommissionAlexion PharmaceuticalsInternational Society for Pediatric and Adolescent DiabetesEli Lilly and Company
Mots-clésPediatric endocrinologyContinuing medical educationPromotion (chess)Equity (law)Continuing educationMEDLINE

Résumé

récupéré en direct d'OpenAlex

Background: The European Society for Paediatric Endocrinology (ESPE) e-Learning wesite is a free, globally accessible online resource to enhance learning in pediatric endocrinology and pediatric diabetes. The content is created by world-leading experts in pediatric endocrinology and pediatric diabetes and is closely aligned with published international consensus guidelines. In August 2022, 30 hours of e-learning courses received accreditation from the European Accreditation Council for Continuing Medical Education (CME). These CME courses cover three categories: (1) pediatric endocrinology, (2) pediatric diabetes, and (3) pediatric endocrinology in resource-limited settings. Objective: This study aimed to assess learners' demographics and feedback from mandatory surveys after completion of CME e-learning courses and to identify areas for improvement. Methods: The ESPE e-learning committee created a mandatory survey for each CME e-learning module. The survey includes baseline demographics and feedback on the quality of the learning content, assessed using a 5-point Likert scale. Data were extracted from the start of the CME modules in August 2022 until September 2025. Results: A total of 567 surveys were completed: 286 (50.4%) in the category pediatric endocrinology, 225 (39.7%) in the category pediatric diabetes based on the International Society for Pediatric and Adolescent Diabetes guidelines, and 56 (9.9%) in the category pediatric endocrinology in resource-limited settings. There was global participation, with most learners practicing in Europe (n=333, 59%), followed by Asia (n=124, 22%), Africa (n=53, 9%), the Americas (North America, n=45, 8%; and South America, n=11, 2%), and Oceania (n=1, 0%). Most of the users indicated that they were medical experts (n=210, 37%), followed by fellows or residents (n=223, 39%), and medical students and nurses (n=29, 5% and n=32, 6%, respectively); overall, 10% (n=56) of learners practice in resource-limited countries. Overall, the learning content was well received for all modules regarding accessibility, organization, level of interest, improvement of learners' clinical practice, appropriateness of content, and provision of feedback (median Likert score 4, IQR 4-5). Learners' free-text feedback identified some areas for improvement, including reducing text-heavy content and providing more graphical content and more interactive case reports. Most learners' free-text feedback consisted of encouraging and thankful comments. Conclusions: The ESPE CME-accredited e-learning modules are well received, providing globally free CME education in pediatric endocrinology and pediatric diabetes. These findings support the continued development and promotion of open-access CME platforms, with the aim of improving global equity in specialist medical education and focusing on educational impact.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,366
Écart entre enseignants0,358 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Medical EducationMême sujetInnovations in Medical EducationTravaux en français237 207