Obstetrics and Gynecology Modified Delphi Survey for Entrustable Professional Activities: Quantification of Importance, Benchmark Levels, and Roles in Simulation-based Training and Assessment
Notice bibliographique
Résumé
Objective Competency-based medical education (CBME) is playing a central role in physicians' training. It focuses on competencies, measured by entrustable professional activities (EPAs). The aim of this survey is threefold for each EPA to (1) quantify the importance for Obstetrics and Gynecology (OBGYN) residency training; (2) set benchmarks; (3) identify the importance of simulation-based training (SBT). Methods The EPAs were defined based on a review of five OBGYN curricula. Two rounds of a modified Delphi via online questionnaire were performed from January to March, 2017. Experts were North American OBGYN program directors. Using a Likert scale, they rated the importance of each EPA for residency training, identified benchmark levels of competence, and roles of simulation. Consensus was defined as ≥80% agreement. Results Item analysis yielded 15 EPAs. Survey response rate was 17.47% (40 out of 229) for part 1 and 6.55% for part 2 (15 out of 229). All experts rated the importance of each EPA for residency training as "moderately important" or "absolutely essential". For benchmarking, experts agreed with a stepwise increase in the level of competence, dependent on residency stage. Two EPAs, "Gynecological Technical Skills & Procedures" and "High-Risk Childbirth", reached consensus (rating 4 or 5) for simulation. Conclusion CBME requires EPAs and benchmarks for each residency stage. Simulation will become a valuable tool in this model. However, experts remain neutral about its role, except for technical skills. An OBGYN curriculum based on predefined EPAs, benchmarks, and adequate assessment tools, including simulation, needs to be further explored for CBME to be successful.
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 | 0,001 | 0,002 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».