The Changing Landscape of Maintenance of Certification: History, Value and Evidence Base, and Future Impact on Forensic Pathology
Notice bibliographique
Résumé
Maintenance of certification (MOC) is a current hot topic in all disciplines of medicine, and no less so in pathology and forensic pathology, specifically. The extent of physician discontent with MOC has risen to a fevered pitch over the past few years, with reporting on specialty board activities and physicians' reactions reaching the popular media. This invited review authored by several of the members of the National Association of Medical Examiners Education Subcommittee on the Development of Self-Assessment Modules provides an overview of MOC as it relates to forensic pathology. We address the history of MOC and its value as stated by the certifying bodies that created, promote, and administer MOC, including the American Board of Medical Specialties and American Board of Pathology. We further provide an analysis of the existing medical literature proposed as an evidence base for MOC, which is somewhat limited in its scope, particularly nonrobust in pathology, and nonexistent in forensic pathology. We discuss recent changes that medical specialties have made to prescribed MOC programs, potential alternatives to MOC, and the impact that MOC in its current and potential future forms may have on the field of forensic pathology, including effects on the workforce, courts of law, and training pathways.
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 | 0,031 | 0,111 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,017 |
| Communication savante | 0,010 | 0,014 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,006 | 0,007 |
| 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 ».