Assessment of non-clinical attributes in paramedicine using multiple mini-interviews
Notice bibliographique
Résumé
BACKGROUND: Non-clinical attributes are increasingly emphasised as an important factor in paramedic practice. However, the assessment of these attributes often lacks the evidence base to support it. Exploring the relationship between non-clinical attributes and clinical skills is also of theoretical and practical importance. OBJECTIVE: To first seek evidence of reliability and validity for the assessment of non-clinical attributes using the multiple mini-interview (MMI) in paramedic contexts and second, to explore the association between non-clinical attributes and clinical skills in paramedicine. METHODS: Entry to practice level paramedic candidates completed a 10-station MMI to assess non-clinical attributes on day 1 and a 10-station simulation-based assessment (SBA) of clinical skills on day 2. Both were assessed using different global rating scales. Our primary outcomes included MMI inter-station reliability (calculated using generalisability theory) and Pearson's correlation between non-clinical attributes and clinically focused skills. RESULTS: 30 trainees completed the MMI and 26 of the 30 completed the SBA. Inter-station reliability for the MMI reached 0.77. Pearson's correlations (disattenuated correlations in parentheses) between the overall MMI score and mean SBA global rating scores reached r=0.31 (r=0.48) and ranged by dimension from r=-0.11 (-0.17) (procedural skills) to r=0.54(r=0.83) (communication). CONCLUSIONS: The MMI demonstrated evidence of reliability and validity for the assessment of non-clinical attributes in paramedic contexts. Non-clinical attributes and paramedic clinical skills are likely distinct but related constructs, each contributing to the construct of paramedic practice. Programmes of assessment should include both to ensure the construct of paramedic practice is adequately represented.
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 | 0,002 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,269 | 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 ».