54. Assessing cardiac physical examination competence using simulation technology and real patientss
Notice bibliographique
Résumé
Assessment of residents’ physical examination skills often involves the use of standardized patients lacking physical abnormalities. Simulation technology offers the potential benefit of mimicking physical abnormalities. The current study was undertaken to examine the relationship between physicians’ competence in cardiac physical examination as assessed using simulation technology compared to real patients. An OSCE was created using 3 modalities of cardiac patients: real patients (RP) with cardiac abnormalities, standardized patients (SP) combined with a computer-based audio-video simulation of auscultatory abnormalities and a cardiopulmonary patient simulator (CPS). The same four cardiac diagnoses were tested with each modality. Participants were 28 internists, within 3 years of passing the Royal College of Physicians and Surgeons of Canada’s (RCPSC) Comprehensive Examination in Internal Medicine. At each station, two RCPSC examiners independently rated a participant’s physical examination technique and provided a global rating of clinical competence. The accuracy of a participant’s cardiac diagnosis for each patient was scored separately by two investigators. The inter-rater reliability between examiners, for the global rating outcome, was 0.76 for RP stations, 0.78 for SP stations and 0.75 for CPS stations. The correlations between participants’ global ratings on each modality were: RP vs. SP, r=0.19; RP vs. CPS, r=0.22; SP vs. CPS, r=0.57 (p < 0.01). A number of methodological limitations were highlighted during the study, including difficulties in truly matching patients within and between modalities, differential weighting of components into the examiners’ global ratings based on modality and limitations of case specificity. No modality provided a clear “gold standard” to assess residents’ cardiac physical examination competence. In the context of assessment, until these limitations are addressed, simulation modalities may not be directly interchangeable with real patients. Boulet JR, Swanson DB. Psychometric challenges of using simulations for high-stakes assessment. In: Dunn WF (ed). Simulators in critical care education and beyond. Des Plaines, IL: Society of Critical Care Medicine 2004; 119-30. Hatala R, Kassen BO, Nishikawa J, Cole G, Issenberg SB. Incorporating simulation technology in a Canadian national specialty examination: a descriptive report. Academic Medicine. 2005; 80(6):554-6. Issenberg SB, McGaghie WC, Petrusa ER, Gordon DL, Scalese RJ. Features and uses of high-fidelity medical simulations that lead to effective learning: a BEME systematic review. Med Teach. 2005; 27(1):10-28.
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 | 0,004 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».