Competence and Cognitive Difficulty in Physicians: A Follow-up Study
Notice bibliographique
Résumé
PURPOSE: Remediation of incompetent physicians has proven difficult and sometimes impossible. The authors wished to determine whether such physicians had neuropsychological impairment sufficient to explain their incompetence and their failure to improve after remedial continuing medical education (CME). METHOD: Between 1997 and 2001, the authors undertook neuropsychological screening of 45 participants of a physician competency assessment program. For those physicians reassessed after a period of remediation, the authors relate the findings of the physicians' competence reassessments to their neuropsychological scores. RESULTS: Nearly all physicians performing well on competency assessment had no or mild cognitive impairment. Conversely, a significant number of physicians performing poorly on competency assessment had sufficient neuropsychological difficulty to explain their poor performance. The cognitive impairment was more marked in elderly physicians, and referencing the neuropsychological scores to an age-matched normative population underestimates the impairment. No physician with moderate or severe neuropsychological dysfunction had successful competency reassessment. Increasing age was associated with poor performance on competency testing, but was less strongly associated with unsuccessful reassessment. CONCLUSION: A large minority of the physicians who fell significantly below desired levels of competence had cognitive impairment sufficient to explain their lack of competence and their failure to improve with remedial CME.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 ».