Accreditation of Medical Education Programs: Moving From Student Outcomes to Continuous Quality Improvement Measures
Notice bibliographique
Résumé
Accreditation of undergraduate medical education programs aims to ensure the quality of medical education and promote quality improvement, with the ultimate goal of providing optimal patient care. Direct linkages between accreditation and education quality are, however, difficult to establish. The literature examining the impact of accreditation predominantly focuses on student outcomes, such as performances on national examinations. However, student outcomes present challenges with regard to data availability, comparability, and contamination.The true impact of accreditation may well rest in its ability to promote continuous quality improvement (CQI) within medical education programs. The conceptual model grounding this paper suggests accreditation leads medical schools to commit resources to and engage in self-assessment activities that represent best practices of CQI, leading to the development within schools of a culture of CQI. In line with this model, measures of the impact of accreditation on medical schools need to include CQI-related markers. The CQI orientation of organizations can be measured using validated instruments from the business and management fields. Repeated determinations of medical schools' CQI orientation at various points throughout their accreditation cycles could provide additional evidence of the impact of accreditation on medical education. Strong CQI orientation should lead to high-quality medical education and would serve as a proxy marker for the quality of graduates and possibly for the quality of care they provide.It is time to move away from a focus on student outcomes as measures of the impact of accreditation and embrace additional markers, such as indicators of organizational CQI orientation.
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 | 0,004 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 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 ».