MétaCan
Menu
← Retour à la cohorte
Enregistrement W1569715350 · doi:10.25011/cim.v30i4.2765

5. A needs assessment for a CanMEDS-based curriculum in ambulatory care for internal medicine residents in Canada

2007· article· en· W1569715350 sur OpenAlexaffvenueabout
Rebecca Wong, S Roff

Notice bibliographique

RevueClinical and investigative medicine · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCurriculumDelphi methodCompendiumMedicineMedical educationAmbulatoryFamily medicinePsychologyInternal medicinePedagogy

Résumé

récupéré en direct d'OpenAlex

In Canada, graduates of internal medicine training programs should be proficient in ambulatory medicine and practice. Before determining how to improve education in ambulatory care, a list of desired learning outcomes must be identified and used as the foundation for the design, implementation and evaluation of instructional events. The Delphi technique is a qualitative-research method that uses a series of questionnaires sent to a group of experts with controlled feedback provided by the researchers after each round of questions. A modified Delphi technique was used to determine the competencies required for an ambulatory care curriculum based on the CanMEDS roles. Four groups deemed to be critical stakeholders in residency education were invited to take part in this study: 1. Medical educators and planners, 2. Members of the Canadian Society of Internal Medicine (CSIM), 3. Recent Royal College certificants in internal medicine, 4. Residents currently in core internal medicine residency programs. Panelists were sent questionnaires asking them to rate learning outcomes based on their importance to residency training in ambulatory care. Four hundred and nineteen participants completed the round 1 questionnaire that was comprised of 75 topics identified through a literature search. Using predefined criteria for degree of importance and consensus, 19 items were included in the compendium and 9 were excluded after one round. Forty-two items for which the panel that did not reach consensus, as well as 3 new items suggested by the panel were included in the questionnaire for round 2. Two hundred and forty participants completed the round 2 questionnaire; consensus was reached for each of the 45 items. After two rounds, 21 items were included in the final compendium as very high priority topics (“must be able to”). An additional 26 items were identified as high priority topics (“should be able to”). The overall ratings by each of the four groups were similar and there were no differences between groups that affected the selection of items for the final compendium. To our knowledge this is the first time a Delphi-process has been used to determine the content of an ambulatory care curriculum in internal medicine in Canada. The compendium could potentially be used as the basis to structure training programs in ambulatory care. Barker LR. Curriculum for Ambulatory Care Training in Medical residency: rationale, attitudes and generic proficiencies. J Gen Intern Med 1990; 5(supp.):S3-S14. Levinsky NG. A survey of changes in the proportions of ambulatory training in internal medicine clerkships and residencies from 1986-87 to 1996-97. Acad Med 1998; 73:1114-1115. Linn LS, Brook RH, Clarke VA, Fink A, Kosecoff J. Evaluation of ambulatory care training by graduates of internal medicine residencies. J Med Educ 1986; 61:293-302.

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)0,007
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,328
Score d'incertitude au seuil0,661

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0050,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,088
Tête enseignante GPT0,432
Écart entre enseignants0,344 · 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'étudeQualitatif
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

Citations0
Publié2007
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueClinical and investigative medicine→Même sujetInnovations in Medical Education→Travaux en français237 207→