Can American Board of Physical Medicine and Rehabilitation Part 2 Board Examination Scores be Predicted from Rotation Evaluations or Mock Oral Examinations?
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study was to determine whether either Physical Medicine and Rehabilitation residency performance on core competency evaluations or on practice mock oral examinations is correlated to performance on future American Board of Physical Medicine and Rehabilitation Part 2 board-certifying examination. DESIGN: This is a retrospective cohort study of residents who took part 2 of the American Board of Physical Medicine and Rehabilitation certification examination between 1995 and 2011 (N = 31 or 38 or 67). RESULTS: The postgraduate year 4 mock oral examination average achieved significance in correlation analysis (Spearman ρ, 0.0391; P = 0.030). Patient care and a composite average of the other core competencies evaluations were also significantly correlated with performance on part 2 of the board-certifying examination (Spearman ρ, 0.329; P = 0.044). The only independent variable that was uniquely predictive was postgraduate year 4 mock oral examinations (χ = 7.09; P = 0.029). More specifically, when controlling for rotation performances, residents with higher mock oral examination scores were 9.6 times (Exp B = 9.6; 95% confidence interval, 1.2-80; P = 0.036) more likely than those one grade lower to achieve the upper half on oral board examinations vs. either of the lower 2 quartiles. CONCLUSIONS: The postgraduate year 4 mock oral examinations and the core competency evaluations composite are each predictive of performance on American Board of Physical Medicine and Rehabilitation part 2 examination. Further research into this area, with a larger sample size and with multiple institutions, would be helpful to allow for a better measurement of these evaluation tools' effectiveness.
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 | 0,002 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».