MétaCan
Menu
Retour à la cohorte
Enregistrement W2263030180 · doi:10.1097/acm.0000000000001066

Implementing Competency-Based Medical Education in a Postgraduate Family Medicine Residency Training Program: A Stepwise Approach, Facilitating Factors, and Processes or Steps That Would Have Been Helpful

2015· article· en· W2263030180 sur OpenAlexaffabout
Karen Schultz, Jane Griffiths

Notice bibliographique

RevueAcademic Medicine · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésCompetence (human resources)Medical educationCurriculumIdentification (biology)Residency trainingGraduate medical educationProfessional developmentMedicinePsychologyAccreditationContinuing educationPedagogy

Résumé

récupéré en direct d'OpenAlex

PROBLEM: In 2009-2010, the postgraduate residency training program at the Department of Family Medicine, Queen's University, wrestled with the practicalities of competency-based medical education (CBME) implementation when its accrediting body, the College of Family Physicians of Canada, introduced the competency-based Triple C curriculum. APPROACH: The authors used a stepwise approach to implement CMBE; the steps were to (1) identify objectives, (2) identify competencies, (3) map objectives and competencies to learning experiences and assessment processes, (4) plan learning experiences, (5) develop an assessment system, (6) collect and interpret data, (7) adjust individual residents' training programs, and (8) distribute decisions to stakeholders. The authors also note overarching processes, costs, and facil itating factors and processes or steps that would have been helpful for CBME implementation. OUTCOMES: Early outcomes are encouraging. Residents are being directly observed more often with increased documented feedback about performance based on explicit competency standards (24,000 data points for 150 residents from 2013 to 2015). These multiple observations are being collated in a way that is allowing the identification of patterns of performance, red flags, and competency development trajectory. Outliers are being identified earlier, resulting in earlier individualized modification of their residency training program. NEXT STEPS: The authors will continue to provide and refine faculty development, are developing an entrustable professional activity field note app for handheld devices, and are undertaking research to explore what facilitates learners' competency development, what increases assessors' confidence in making competence decisions, and whether residents are better trained as a result of CBME implementation.

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)0,006
score de la tête « metaresearch » (Gemma)0,041
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,704
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,041
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,003
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 Opus0,183
Tête enseignante GPT0,437
Écart entre enseignants0,254 · 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.

Devis d'étudeQualitatif
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

Citations65
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAcademic MedicineMême sujetInnovations in Medical EducationTravaux en français237 207