Emotional feelings experienced by medical students at cadaver dissections
Notice bibliographique
Résumé
Introduction: Human cadaver dissection is central in medical teaching/learning in initial years of medical undergraduates and there are varieties of mixed feelings/emotional reactions experienced when exposed to human cadavers. Adverse physical and psychological effects to human dissection have been reported particularly with European, American and Canadian students, 25.2% experiencing depression and nightmares. Objective : To assess the emotional feelings experienced by medical students at cadaver dissection Methods: Two hundred and eighty-five(285) students of FMS, USJP of 2006/2007 and 2009/2010 A/L intake completed a simple self administered questionnaire regarding emotional feelings experienced at cadaver dissections. Results : Majority 63.5% (181/285)] of students were apprehensive in handling/dissecting the cadaver when they entered the dissecting hall for the first time. 52.3% (149/285) considered the cadaveric dissections stimulating, 64.6%(184/285) challenging, 50.5%(144/285) enjoyable and 57.8%(165/285) as an informative environment. Female medical students were 3.3 times more worried than peer male students when entering the dissecting room. 54.7 %(156/285) students felt that an interaction with anatomy staff explaining/ mentally preparing for dissections prior to entering the dissecting hall would lessen the emotional impact and reduce anxiety. Percentage 53.3 (152/285) considered cadaver dissection based teaching as an important educational and emotional skill training method, and 83.5%(238/285) considered it to be helpful in future surgical skills. Conclusions : Although the majority of medical students are initially apprehensive towards dissections they realize the value of dissections as an educational, emotional and surgical skills training method. The initial adverse emotional reactions to cadaver dissections are relatively less than the documented European, American and Canadian figures.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».