Linking medical licensing examination scores with longitudinal physician practice data using a privacy preserving protocol
Notice bibliographique
Résumé
IntroductionMedical education and regulatory bodies do not often share performance data due to privacy concerns. Innovative approaches are needed to facilitate research while preserving security and privacy. To this end, a privacy preserving protocol was employed linking medical examination and regulatory data to examine future physician competence across the career. Objectives and ApproachThis study extends previous work linking de-identified Canadian medical licensing examination data with medical regulatory outcomes to answer the following question: is there a predictive relationship between licensing examination scores and post-licensure practice outcomes? A privacy preserving protocol using a third party organization was employed to link data between two disparate organizations - a medical licensing examination organization (MLE) and a medical regulatory authority (MRA). Multiple years of licensing examinations were linked to thirteen years of regulatory assessment outcomes (2004 – 2016) without identifiable data being shared to either party. ResultsMedical Identification Number for Canada (MINC) was used as a common identifying variable between the two organizations. First, the analytic cohort was created by linking identifying variables of the physicians of interest from both parties, thereby creating a common cohort. The third-party organization then created an encryption key using the common cohort and the MLE examination data. The key was given to the MRA and the encrypted, de-identified examination data was given back to the MLE. Lastly, the MRA data was de-identified, encrypted and transferred to the MLE for analysis. This ensured neither party had access to each other’s encrypted data and the key simultaneously. Conclusion/ImplicationsPrivacy preserving protocols enhance opportunities for novel research questions and data linkages within and across sectors; here, results from this analysis may enhance the utility of medical licensing exams by providing evidence for secondary uses. Furthermore, it will offer other physician organizations evidence to support physicians across their career trajectory.
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 | 0,171 | 0,363 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,003 |
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 ».