PRESCRIBING COMPETENCY OF MEDICAL STUDENTS: NATIONAL SURVEY OF MEDICAL EDUCATION LEADERS
Notice bibliographique
Résumé
Introduction Evidence suggests that newly licensed physicians are not adequately prepared to prescribe safely. There is currently no national pre-licensure prescribing competency assessment required in North America. This study's purpose was to survey Canadian medical school leaders for their interest in and perceived need for a nationwide prescribing assessment for final year medical students. Method In spring of 2015, surveys were disseminated online to medical education leaders in all 17 Canadian medical schools. The survey included questions on perceived prescribing competency in medical schools, and interest in integration of a national assessment into medical school curricula and licensing. Results 372 (34.6 %) faculty from all 17 Canadian medical schools responded. 277 (74.5%) respondents were residency directors, 33 (8.9%) vice deans of medical education or equivalent, and 62 (16.7%) clerkship coordinators. Faculty judged 23.4% (SD 22.9%) of their own graduates' prescribing knowledge to be unsatisfactory and 131 (44.8%) felt obligated to provide close supervision to more than a third of their new residents due to prescribing concerns. 239 (73.0%) believed that an assessment process would improve their graduates' quality, 262 (80.4%) thought it should be incorporated into their medical school curricula and 248 (76.0%) into the national licensing process. Except in regards to close supervision due to concerns, there were no significant differences between schools' responses. Conclusions Amongst Canadian medical school leadership, there is a perceived inadequacy in medical student prescribing competency as well as support for a standardized prescribing competency assessment in curricula and licensing processes.
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 | 0,009 | 0,004 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».