Development and Validation of the McMaster Prescribing Competency Assessment for Medical Trainees (MacPCA).
Notice bibliographique
Résumé
BACKGROUND: Prescribing is an essential skill for all physicians, built on knowledge of clinical pharmacology, therapeutics and toxicology across the life cycle. The decline in organized clinical pharmacology training in medical schools, combined with an expanding pharmacopeia and increasing complexity of patient care, makes prescribing competency difficult for medical students to master. OBJECTIVES: To develop and validate the McMaster Prescribing Competency Assessment (MacPCA), an online tool suitable for evaluating clinical pharmacology knowledge and prescribing skills of medical trainees in Canada. METHODS: The MacPCA was developed using an online examination platform scalable to multiple sites across Canada. Questions represented 8 domains of safe and effective prescribing with level of difficulty aimed at a final year medical student. Validation assessment concentrated on face and construct validity. RESULTS: 58 participants (7, 12 and 21 medical students in Years 1, 2, and 3, respectively and 8 undergraduate controls) were recruited. Mean scores were 31% (SD 13.6), 46% (SD 14.9), 75% (SD 8.3) and 81% (SD 10.5) for the controls, Year 1, Year 2, and Year 3 (final year) students, respectively. Combined Year 2/Year 3 scores were significantly better than control/Year 1 scores (p<0.0001). Final year student feedback indicated the test was fair, clear and unambiguous, aimed at the right level, with sufficient time for completion. CONCLUSIONS: The MacPCA demonstrated good face validity and successfully discriminated between upper year medical students and their junior colleagues. Further expansion of testing and validation is warranted.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».