Comparing performance among male and female candidates in sex-specific clinical knowledge in the MRCGP
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Patients often seek doctors of the same sex, particularly for sex-specific complaints and also because of a perception that doctors have greater knowledge of complaints relating to their own sex. Few studies have investigated differences in knowledge by sex of candidate on sex-specific questions in medical examinations. AIM: The aim was to compare the performance of males and females in sex-specific questions in a 200-item computer-based applied knowledge test for licensing UK GPs. DESIGN AND SETTING: A cross-sectional design using routinely collected performance and demographic data from the first three versions of the Applied Knowledge Test, MRCGP, UK. METHOD: Questions were classified as female specific, male specific, or sex neutral. The performance of males and females was analysed using multiple analysis of covariance after adjusting for sex-neutral score and demographic confounders. RESULTS: Data were included from 3627 candidates. After adjusting for sex-neutral score, age, time since qualification, year of speciality training, ethnicity, and country of primary medical qualification, there were differences in performance in sex-specific questions. Males performed worse than females on female-specific questions (-4.2%, 95% confidence interval [CI] = -5.7 to -2.6) but did not perform significantly better than females on male-specific questions (0.3%, 95% CI = -2.6 to 3.2%. CONCLUSION: There was evidence of better performance by females in female-specific questions but this was small relative to the size of the test. Differential performance of males and females in sex-specific questions in a licensing examination may have implications for vocational and post-qualification general practice training.
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.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle