Can American College of Radiology in-training examination scores be used to predict Canadian radiology licensing examination results? A retrospective study
Notice bibliographique
Résumé
BACKGROUND: The purpose of this study is to evaluate the relationship between American College of Radiology (ACR) in-training examination scores and performance on the Royal College of Physicians and Surgeons of Canada (RCPSC) radiology licensing examination. METHODS: Percentile ACR examination scores for 67 residents were obtained from 1995 to 2011 for four years of training and compared with results of the RCPSC examination. Mean ACR scores of residents who passed and residents who failed their RCPSC examination were compared with a t-test. ACR scores and licensing examination results were correlated. Logistic regression was used to predict the probability of failure given an individual's ACR score. Receiver Operating Characteristic (ROC) curves were developed in order to estimate a threshold ACR score at or above which the risk of failure was negligible. RESULTS: The ACR scores between residents who passed their licensing exam and those who failed were significantly different. There was moderate correlation between ACR scores and exam results. Using ROC curves for each year of training, the threshold ACR scores at or above which there was a negligible risk of exam failure were 32, 42, 63, and 47 for training years 1, 2, 3 and 4 respectively. Logistic regression curves, with 95% confidence intervals, were plotted for each year of training to predict RCPSC exam results based on an individual's ACR score. CONCLUSIONS: ACR exam scores are a strong predictor of RCPSC examination performance. Percentile ACR scores can be used to identify residents at risk for future examination failure.
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 | 0,003 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».