Approaches and Methods of Teaching Head Trauma to Medical Students: A Scoping Review to Identify Gaps and Future Research Opportunities
Notice bibliographique
Résumé
In the context of teaching head trauma to medical students, the existing literature indicates that traditional educational approaches, such as workshops and clinical exposure, enhance knowledge and diagnostic skills, but often face a lack of structured content in undergraduate curricula, such that 70% of Canadian medical schools lack sufficient content on concussion (Husain, 2024). However, recent studies emphasize the application of digital tools and gamification, where a digital game-based study guide increased nursing students' theoretical knowledge from an average of 2.5 to 5.59 and improved practical skills to 19.32 out of 20, indicating the potential of these tools for risk-free simulation of clinical scenarios (Bashiri Bonab, 2025). These programs are primarily focused on case studies, without comprehensive mapping of the status review of current educational approaches, gamified and digital tools, and learning outcomes. Accordingly, the present scoping review will be conducted with the aim of identifying and describing various current educational approaches for learning head trauma among students, gamified and digital tools, and learning outcomes, and consequently, systematically map the research conducted in this field and identify existing knowledge gaps.
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 | 0,211 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,004 | 0,010 |
| Études des sciences et des technologies | 0,003 | 0,007 |
| Communication savante | 0,008 | 0,002 |
| Science ouverte | 0,022 | 0,033 |
| Intégrité de la recherche | 0,001 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».