A longitudinal simulation‐based ethical–legal curriculum for otolaryngology residents
Notice bibliographique
Résumé
OBJECTIVE: To develop, implement, and evaluate a longitudinal, simulation-based ethics and legal curriculum designed specifically for otolaryngology residents. METHODS: Otolaryngology residents were recruited to participate in a yearly half-day ethical-legal module, the curriculum of which spanned 4 years. Each module included: three simulated scenarios, small-group multisource feedback, and large-group debriefings. Scenarios involved encounters with standardized patients. Residents' ethical-legal knowledge was assessed pre- and postmodule with multiple-choice questions, and ethical reasoning was assessed by a variety of evaluators during the simulated scenario using a locally developed assessment tool. Participants completed an exit survey at the end of each module. RESULTS: Eighteen residents completed four modules from the academic years of 2008 to 2009 to 2011 to 2012. The first year was considered a pilot module, and data were collected for the following 3 years. Knowledge of legal issues improved significantly among residents (mean at pre = 3.40 and post = 4.60, P < 0.05). Residents' ethical reasoning skills also improved across years (mean 3.60/5 in 2009-2010, 3.76/5 in 2010-2011, and 4.33 in 2011-2012, P < 0.05). Survey results revealed a statistically significant self-perceived improvement in ethics reasoning skills (mean pre = 3.62, post = 4.86, P < 0.05). Participants reported that the curriculum was relevant to their practice (85%), that the debriefings were of high quality (83%), and that they would recommend this module to others (88%). CONCLUSION: To our knowledge, this is the first study exploring a longitudinal simulation-based ethical-legal curriculum tailored to otolaryngology-head and neck surgery residents. This educational program resulted in a both objective and subjective improvement in legal and ethics knowledge and skills. LEVEL OF EVIDENCE: NA. Laryngoscope, 127:2501-2509, 2017.
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 | 0,006 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».