Practice Indicators of Suboptimal Care and Avoidable Adverse Events
Notice bibliographique
Résumé
PURPOSE: To (1) compile an initial list of physician-related practice indicators (PRINDs) that contribute to causing or preventing suboptimal care (SOCR) and adverse events (AEs) and (2) determine the extent to which one national exam assessed these PRINDs. METHOD: In 2009-2010, the authors searched the literature and surveyed 17 physician experts to compile a list of PRINDs of SOCR and avoidable AEs. They then conducted a content analysis of the 2008 and 2009 Medical Council of Canada (MCC) Qualifying Examinations (QEs). RESULTS: The authors identified 92 unique PRINDs, of which 59 were behaviors or decisions expected of all physicians and suitable for assessment on a general medical examination. Of these, 36 (61%) were tested on the 2008 and 2009 MCC QEs. The mean number of PRINDs tested per exam was highest for Part I Knowledge (32.2), followed by Part I clinical decision making (CDM) (18.4) and Part II clinical performance (objective structured clinical examination [OSCE]) (9.8). The percentage of questions or cases per exam testing a PRIND (e.g., 14/36 [39%] for CDM and 5.26/12 [44%] for OSCE) differed from the percentage of the total test score attributed to PRINDs (e.g., 10.8/36 [30%] for CDM and 68.5/1,522.3 [5%] for OSCE). CONCLUSIONS: PRINDs represent candidates' abilities to avoid SOCR and AEs and constitute an important aspect of medical practice to be assessed on licensing or certifying examinations to best protect the public. The different scoring methods used to measure such knowledge and skills warrant further consideration.
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 | 0,004 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».