Does clinical exposure matter? Pilot assessment of patient visits in an urban family medicine residency program.
Notice bibliographique
Résumé
OBJECTIVE: To determine the number of patient visits, patient demographic information, and diagnoses in an urban ambulatory care setting in a family medicine residency program, and assess the correlation between the number of patient visits and residents' in-training examination (ITE) scores. DESIGN: Retrospective analysis of data from resident practice profiles, electronic medical records, and residents' final ITE scores. SETTING: Family medicine teaching unit in a community hospital in Barrie, Ont. PARTICIPANTS: Practice profile data were from family medicine residents enrolled in the program from July 1, 2013, to June 30, 2014, and electronic medical record and ITE data were from those enrolled in the program from July 1, 2010, to June 30, 2015. MAIN OUTCOME MEASURES: Number of patient visits, patient characteristics (eg, sex, age), priority topics addressed in clinic, resident characteristics (eg, age, sex, level of residency), and residents' final ITE scores. RESULTS: Between July 1, 2013, and June 30, 2014, there were 11 115 patient visits. First-year residents had a mean of 5.48 patient visits per clinic, and second-year residents had a mean of 5.98 patient visits per clinic. A Pearson correlation coefficient of 0.68 was found to exist between the number of patients seen and the final ITE scores, with a 10.5% difference in mean score between residents who had 1251 or more visits and those who had 1150 or fewer visits. Three diagnoses (ie, epistaxis, meningitis, and neck pain) deemed important for Certification by the College of Family Physicians of Canada were not seen by any of the residents in clinic. CONCLUSION: There is a moderate correlation between the number of patients seen by residents in ambulatory care and ITE scores in family medicine. It is important to assess patients' demographic information and diagnoses made in resident practices to ensure an adequate clinical experience.
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 | 0,002 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».