MétaCan
Menu
Retour à la cohorte
Enregistrement W2756095970 · doi:10.1097/acm.0000000000001896

Competency-Based Medical Education in the Internal Medicine Clerkship: A Report From the Alliance for Academic Internal Medicine Undergraduate Medical Education Task Force

2017· article· en· W2756095970 sur OpenAlexaff
Sara B. Fazio, Cynthia H. Ledford, Paul Aronowitz, Shobhina G. Chheda, John H. Choe, Stephanie Call, Scott D. Gitlin, Martin Muntz, L. James Nixon, Anne G. Pereira, John W. Ragsdale, Emily Stewart, Karen E. Hauer

Notice bibliographique

RevueAcademic Medicine · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensIron Ore Company (Canada)
Organismes subventionnairesnon disponible
Mots-clésAccreditationMedical educationGraduate medical educationCompetence (human resources)Educational measurementDocumentationMEDLINETask (project management)Task forceMedicineCore competencyClinical clerkshipCurriculumPsychologyComputer sciencePedagogy

Résumé

récupéré en direct d'OpenAlex

As medical educators continue to redefine learning and assessment across the continuum, implementation of competency-based medical education in the undergraduate setting has become a focus of many medical schools. While standards of competency have been defined for the graduating student, there is no uniform approach for defining competency expectations for students during their core clerkship year. The authors describe the process by which an Alliance for Academic Internal Medicine task force developed a paradigm for competency-based assessment of students during their inpatient internal medicine (IM) clerkship. Building on work at the resident and fellowship levels, the task force focused on the development of key learning outcomes as defined by entrustable professional activities (EPAs) that were specific to educational experiences on the IM clerkship, as well as identification of high-priority assessment domains. The work was informed by a national survey of clerkship directors.Six key EPAs emerged: generating a differential diagnosis, obtaining a complete and accurate history and physical exam, obtaining focused histories and clinically relevant physical exams, preparing an oral presentation, interpreting the results of basic diagnostic studies, and providing well-organized clinical documentation. A model for assessment was proposed, with descriptors aligned to the scale of supervision and mapped to Accreditation Council for Graduate Medical Education domains of competence. The proposed paradigm offers a standardized template that may be used across IM clerkships, and which would effectively bridge competency evaluation in the clerkship to fourth-year assessment as well as eventual postgraduate training.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,025
score de la tête « metaresearch » (Gemma)0,045
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,131

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0250,045
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,001
Communication savante0,0020,002
Science ouverte0,0010,004
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,421
Écart entre enseignants0,384 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations45
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademic MedicineMême sujetInnovations in Medical EducationTravaux en français237 207