Assessing patient safety competencies using Objective Structured Clinical Exams: a new twist on an old tool
Notice bibliographique
Résumé
Despite the widespread attention to patient safety over the past 15 years, the subject continues to receive relatively little attention in undergraduate training for health professionals (eg, in medical and nursing schools). Recent advances such as the WHO curriculum guide1 and the Canadian Patient Safety Institute competency framework1 ,2 help to guide our teaching and learning. Furthermore, some schools have implemented patient safety curricula.3 ,4 However, evaluating the degree to which students attain these competencies remains in its infancy (‘On a scale of 1–5, rate how well you did X’), with all the limitations of self-assessment.5 In an effort to progress the field further, Ginsburg et al 6 describe the findings of a pilot that used the Objective Structured Clinical Exam (OSCE) to assess patient safety competence. The OSCE provides a mechanism to move beyond assessing a learner's knowledge to its application by allowing the learner to show how they approach a scenario in a simulated setting. As such, it has largely become the cornerstone for the assessment of skills such as history taking, physical examination and even hand hygiene. Ginsburg et al used the OSCE to assess sociocultural patient safety competencies, which is a novel application of this traditional tool. The authors created scenarios true to inpatient ward settings for the simulation, which they used to provide and report summative learner assessments. Although they note, and we agree, that a high stakes summative assessment in patient safety competencies may drive what is taught and learned, evidence suggests that students …
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 | 0,007 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,005 |
| 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 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 ».