MétaCan
Menu
Retour à la cohorte
Enregistrement W2130963076 · doi:10.1016/j.jamcollsurg.2014.03.051

A Global Delphi Consensus Study on Defining and Measuring Quality in Surgical Training

2014· article· en· W2130963076 sur OpenAlexaff
Pritam Singh, Rajesh Aggarwal, Boris Zevin, Teodor Grantcharov, Ara Darzi

Notice bibliographique

RevueJournal of the American College of Surgeons · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueSurgical Simulation and Training
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Institute for Health and Care Research
Mots-clésMedicineTrainerDelphi methodQuality (philosophy)Likert scaleDelphiCronbach's alphaMedical educationScale (ratio)Medical physicsPsychologyPsychometricsComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Evidence suggests that patient outcomes can be associated with the quality of surgical training. To raise the standards of surgical training, a tool to measure training quality is needed. The objective of this study was to define the elements of high-quality surgical training and methods to measure them. STUDY DESIGN: Modified Delphi methodology was used to achieve international expert consensus. Seventy statements about indicators and measures of training quality were developed based on themes from semi-structured interviews of surgeons. Eighty-three experts in surgical education from 13 countries were invited to complete an online survey ranking each statement on a 5-point Likert scale. Consensus was predefined as Cronbach's α ≥0.80. Once consensus was achieved, statements ranked ≥4 by ≥80% of experts were used as themes to develop the Surgical Training Quality Assessment Tool (S-QAT). RESULTS: Fifty-three (64%) experts from 11 countries responded. Consensus was achieved after 2 rounds of voting (Cronbach's α = 0.930). Thirty-five statements were selected as themes for the Surgical Training Quality Assessment Tool. Statements defining training quality covered the following subjects: relationship between the trainer and trainee, operative exposure, supervision, feedback, structure and organization, and structured teaching programs. Consensus statements on measuring training quality included trainee feedback, trainer feedback, timetable structure, and trainee improvement. There was agreement that measuring training quality would have a positive effect on training. CONCLUSIONS: International expert consensus was achieved on defining and measuring high-quality surgical training. This has been translated into the (S-QAT) to evaluate surgical training programs. Competition created by comparing training quality might raise the standards of surgical education.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,345

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,075
Tête enseignante GPT0,348
Écart entre enseignants0,273 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations42
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the American College of SurgeonsMême sujetSurgical Simulation and TrainingTravaux en français237 207