Wissenschaftsausbildung im Medizinstudium: Das Oldenburger Datenanalyseprojekt als Umsetzungsbeispiel [Lessons learned].
Introduction: According to the Master Plan 2020, science education will play a critical role in future medical curricula. Science modules have already been implemented at many locations. Other medical faculties will follow in the next few years, as legislation is expected to make recommendations of...
| Publicado en: | GMS Medizinische Informatik, Biometrie und Epidemiologie Vol. 19; pp. 1 - 19 |
|---|---|
| Autores principales: | , , , , , , , , |
| Formato: | pictorial tables/charts Journal Article |
| Publicado: |
German Medical Science Publishing House gGmbH
2023
|
| Acceso en línea: | Ver este registro en EBSCOhost |
| Sumario: | Introduction: According to the Master Plan 2020, science education will play a critical role in future medical curricula. Science modules have already been implemented at many locations. Other medical faculties will follow in the next few years, as legislation is expected to make recommendations of the national competence-based learning objectives curriculum for medicine (NKLM) mandatory. This article aims to present an implementation example from epidemiology and biometry as a contribution to the didactic discussions within the data sciences in medicine. Project description: We report on our experiences with a data analysis project for second-year medical students, which has been compulsory at the Faculty of Medicine and Health Sciences since 2019. The project is intended to train the scientific skills required from the subjects of epidemiology and biometry for student research projects. Emphasis is placed on responsible data handling, transparency, and reproducibility. For example, the writing of a statistical analysis plan is required prior to data access. Improved standardization of materials, optional use of the English language, and digital support will be implemented to help manage the project when student numbers increase. Discussion: The experience from five years is very positive, although a formal evaluation of the learning success is still pending. Current challenges concern staffing, additional time and supervision requirements for those students who do statistical programming with R, and improved integration into the medical curriculum. Einleitung: Wissenschaftsausbildung wird im Medizinstudium gemäß Masterplan 2020 künftig einen höheren Stellenwert einnehmen. An vielen Standorten sind wissenschaftliche Curricula bereits umgesetzt. Andere Fakultäten werden voraussichtlich in den nächsten Jahren nachziehen und dabei auch die Empfehlungen des Nationalen Kompetenzbasierten Lernzielkatalogs Medizin (NKLM) zu berücksichtigen haben. Ziel dieses Artikels ist die Darstellung eines Umsetzungsbeispiels aus den Fächern Epidemiologie und Biometrie als Beitrag zur fachlich-didaktischen Diskussion. Projektbeschreibung: Wir berichten von unseren Erfahrungen mit einem seit 2019 an der Fakultät für Medizin und Gesundheitswissenschaften verpflichtenden Datenanalyseprojekt für Medizinstudenten im zweiten Studienjahr. Das Projekt soll die aus den Fächern Epidemiologie und Biometrie benötigten wissenschaftlichen Kompetenzen für spätere eigene Forschungsprojekte trainieren. Dabei wird besonderer Wert auf verantwortungsvollen Umgang mit Daten, Transparenz und Reproduzierbarkeit gelegt. Beispielsweise stellt ein von den Studenten zu erstellender statistischer Analyseplan eine notwendige Voraussetzung des Datenzugangs dar. Parallel werden eine zunehmende Standardisierung der Betreuung, wahlweise Nutzung von Englisch und digitale Unterstützung umgesetzt, damit das Projekt perspektivisch auch bei ansteigenden Studentenzahlen zu bewältigen ist. Diskussion: Die Erfahrungen aus bisher 5 Jahren sind sehr positiv, wobei eine formale Evaluation des Lernerfolgs noch aussteht. Das Projekt ist sowohl für die Studenten als auch für Betreuer und Dozenten aufwändiger als derzeit abgebildet werden kann. Aktuelle Herausforderungen bestehen vor allem hinsichtlich personeller Ausstattung, zusätzlichen Zeit- und Betreuungsbedarfs derjenigen Studenten, die sich für eigene statistische Programmierung mit R entscheiden, und einer Optimierung der curricularen Einbindung. |
|---|