MétaCan
Menu
Retour à la cohorte
Enregistrement W2319958815 · doi:10.4172/2165-7548.1000215

How do Emergency Medicine Attending Physicians Evaluate their Trainees? A Multicenter Focus Group Study

2014· article· en· W2319958815 sur OpenAlexaboutno aff
Almutairi Aljawharah Habib M

Notice bibliographique

RevueEmergency Medicine Open Access · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFocus groupMulticenter studyMedicineFocus (optics)Family medicineMedical educationMedical emergencyInternal medicineRandomized controlled trialSociology

Résumé

récupéré en direct d'OpenAlex

Background: In-training evaluations have an invaluable role in assessing the clinical competency of the trainee. In this study, we explore which trainees’ characteristics have the strongest impact on their evaluation and whether these characteristics fit in the Royal College of Physicians and Surgeons of Canada's CanMEDS Physician Competency Framework. Based on the seven roles that physicians need to have, the framework describes the capabilities that physicians need to produce better patient outcomes. Methods: Emergency medicine attending physicians involved in supervising residents at the four main emergency medicine residency training sites in Riyadh, Saudi Arabia participated in focus group sessions to identify resident characteristics most frequently noted and their impact on the overall evaluation. The interview process followed a standard format. All interviews were audiotaped, and field notes were taken. Two independent coders coded the interviews using CanMEDS competencies as a framework. The frequency of each mention of a particular characteristic was recorded. Following the interviews, participants were also asked to complete a questionnaire about the CanMEDS competencies they routinely or rarely assess. Results are presented in a descriptive fashion. Results: A total of six focus groups sessions were held with 19 participants. The focus group sessions yielded a total of 145 features, or characteristics. Characteristics relating to medical expertise competencies had the strongest impact, followed by professionalism-related competencies, while characteristics relating to health advocacy and managerial skills had the weakest impact on the evaluation. Conclusion: Our results are consistent with previous literature in showing that evaluators tend to base their evaluations on certain competencies and fail to evaluate competencies across the entire CanMEDS spectrum.

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)0,019
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,981
Score d'incertitude au seuil0,101

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,034
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,002
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,110
Tête enseignante GPT0,466
Écart entre enseignants0,356 · 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.

Devis d'étudeQualitatif
DomaineÉvaluation
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

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEmergency Medicine Open AccessMême sujetInnovations in Medical EducationTravaux en français237 207