Otolaryngology residency education: a scoping review on the shift towards competency‐based medical education
Notice bibliographique
Résumé
BACKGROUND: Residency training programmes worldwide are experiencing a shift from the traditional time-based curriculum to competency-based medical education (CBME), due to changes in the healthcare system that have impacted clinical learning opportunities. Otolaryngology-Head and Neck Surgery (OTL-HNS) programmes are one of the first North American surgical specialties to adopt the new CBME curriculum. OBJECTIVE OF REVIEW: The purpose of this scoping review is to examine the literature pertaining to CBME in OTL-HNS programmes worldwide, to identify the tools that have been developed and identify potential barriers to the implementation of CBME. SEARCH STRATEGY: Four online databases, OVID MEDLINE (R) from 1946 to 5 August 2015, EMBASE 1974 to 5 August 2015, Cochrane and CINAHL databases up to 5 August 2015, were searched using key words related to OTL-HNS and CBME. EVALUATION METHOD: Two researchers independently reviewed the literature in a systematic manner and met to discuss and address any discrepancies at each step of the review process. RESULTS: Of the 207 publications identified in the initial search, 31 were included in this scoping review. Two key themes emerged from the literature: first, OTL-HNS programmes reported a need for new assessment tools that assess competency and also provide the learner with formative feedback. Second, although varieties of tools assessing both technical and non-technical skills have been developed, implementation of such tools has been met with some challenges. These challenges include a lack of faculty support, inadequate administrative support and a lack of knowledge on how to start the transition to CBME. CONCLUSIONS: This scoping review suggests that task-specific checklists, entrustment scales, evaluation portfolios from multiple assessments and faculty training sessions are key aspects to incorporate as OTL-HNS training programmes shift towards a CBME curriculum.
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 | 0,018 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,022 | 0,023 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».