How Do Medical Schools Identify and Remediate Professionalism Lapses in Medical Students? A Study of U.S. and Canadian Medical Schools
Notice bibliographique
Résumé
PURPOSE: Teaching and assessing professionalism is an essential element of medical education, mandated by accrediting bodies. Responding to a call for comprehensive research on remediation of student professionalism lapses, the authors explored current medical school policies and practices. METHOD: In 2012-2013, key administrators at U.S. and Canadian medical schools accredited by the Liaison Committee on Medical Education were interviewed via telephone or e-mail. The structured interview questionnaire contained open-ended and closed questions about practices for monitoring student professionalism, strategies for remediating lapses, and strengths and limitations of current systems. The authors employed a mixed-methods approach, using descriptive statistics and qualitative analysis based on grounded theory. RESULTS: Ninety-three (60.8%) of 153 eligible schools participated. Most (74/93; 79.6%) had specific policies and processes regarding professionalism lapses. Student affairs deans and course/clerkship directors were typically responsible for remediation oversight. Approaches for identifying lapses included incident-based reporting and routine student evaluations. The most common remediation strategies reported by schools that had remediated lapses were mandated mental health evaluation (74/90; 82.2%), remediation assignments (66/90; 73.3%), and professionalism mentoring (66/90; 73.3%). System strengths included catching minor offenses early, emphasizing professionalism schoolwide, focusing on helping rather than punishing students, and assuring transparency and good communication. System weaknesses included reluctance to report (by students and faculty), lack of faculty training, unclear policies, and ineffective remediation. In addition, considerable variability in feedforward processes existed between schools. CONCLUSIONS: The identified strengths can be used in developing best practices until studies of the strategies' effectiveness are conducted.
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 | 0,014 | 0,089 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».