How Robust Are Studies in the American Board of Emergency Medicine Maintenance of Certification Lifelong Learning and Self‐assessment? An Examination of Fragility and Bias of Included Randomized Controlled Trials
Notice bibliographique
Résumé
OBJECTIVE: Critics have raised concerns regarding the validity of maintenance of certification (MOC) programs. We sought to examine the quality of the randomized controlled trials (RCTs) selected for the lifelong learning and self-assessment (LLS) component of the American Board of Emergency Medicine (ABEM) MOC program. METHODS: We systematically reviewed the ABEM LLS reading lists from 2004 to 2017 to identify RCTs with dichotomous outcomes and superiority designs. A fragility index (FI) was calculated using Fisher's exact test for all statistically significant dichotomous outcomes. Bivariate correlation was performed to examine associations between the FI and RCT study characteristics. Each included study was evaluated with the Cochrane Collaboration risk-of-bias (ROB) tool. RESULTS: Thirteen superiority RCTs with dichotomous outcomes were included in the 2004-2017 LLS reading lists. Ten had a statistically significant outcome, and the majority were robust and at low ROB. The median trial size was 511 patients (interquartile range [IQR] = 251-1,517), and the median FI was 10 (IQR = 7-18); i.e., if 10 patients in the treatment arm had not had events, the results would not have been statistically significant. CONCLUSIONS: The majority of RCTs included in the LLS are robust and at low ROB.
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 | 0,644 | 0,881 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,015 | 0,025 |
| Bibliométrie | 0,028 | 0,020 |
| Études des sciences et des technologies | 0,003 | 0,009 |
| Communication savante | 0,016 | 0,014 |
| Science ouverte | 0,006 | 0,008 |
| Intégrité de la recherche | 0,008 | 0,005 |
| 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».