MétaCan
Menu
Retour à la cohorte
Enregistrement W2179462396 · doi:10.1186/s12909-015-0495-y

Identifying the competencies of doctors in China

2015· article· en· W2179462396 sur OpenAlexaboutno aff
Li Zhao, Tao Sun, Baozhi Sun, Yuhong Zhao, John J. Norcini, Lincoln Chen

Notice bibliographique

RevueBMC Medical Education · 2015
Typearticle
Langueen
DomainePsychology
ThématiqueCompetency Development and Evaluation
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of ChinaChina Medical BoardNational Science Foundation
Mots-clésConfirmatory factor analysisExploratory factor analysisStructural equation modelingConstruct validityMedical educationChinaTeamworkPsychologyReliability (semiconductor)MedicineApplied psychologyPsychometricsClinical psychologyManagementPolitical scienceStatistics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: China adopted a Flexnerian model as its medical institutions developed over the recent past but the political, social, and economic environment has changed significantly since then. This has generated the need for educational reform, which in other countries, has largely been driven by competencies-oriented models such as those developed in Canada, and the United States. Our study sought to establish the competencies model, relevant to China, which will support educational reform efforts. METHODS: Data was collected using a cross-sectional survey of 1776 doctors from seven provinces in China. The surveys were translated and adapted from the Occupational Information Network General Work Activity questionnaire (O*NET-GWA) and Work Style questionnaire (O*NET-WS) developed under the auspices of the US Department of Labor. Exploratory factor analysis and confirmatory factor analysis ascertained the latent dimensions of the questionnaires, as well as the factor structures of the competencies model for the Chinese doctors. RESULTS: In exploratory factor analysis, the questionnaires were able to account for 64.25 % of total variance. All responses had high internal consistency and reliability. In confirmatory factor analysis, the loadings of six constructs were between 0.53 ~ 0.89 and were significant, Construct reliability (CR) were between 0.79 ~ 0.93 respectively. The results showed good convergent validity. The resultant models fit the data well (GFI was 0.92, RMSEA was 0.07) and the six-factor competencies framework for Chinese doctors emerged. CONCLUSIONS: The Chinese doctors' competencies framework includes six elements: (a) technical procedural skills; (b) diagnosis and management; (c) teamwork and administration; (d) communication; (e) professional behavior; and (f) professional values. These findings are relevant to China, consistent with its current situation, and similar to those developed in other countries.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,039
Score d'incertitude au seuil0,077

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,104
Tête enseignante GPT0,414
Écart entre enseignants0,310 · 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 source (Gemma direct ou Codex distillé), 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

Citations30
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Medical EducationMême sujetCompetency Development and EvaluationTravaux en français237 207