Difficulties in Residency: An Examination of Clinical Rotations and Competencies Where Family Medicine Residents Most Often Struggle
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Remediation in residency is expensive; however, most research has focused on general approaches to remediation, with minimal investigation into whether there are patterns to the competencies or rotations that are most difficult for residents. Acquiring this information may improve future physician training and potentially reduce the frequency of resource-intensive remediation. We aimed to determine the competencies and rotations most challenging for family medicine residents, as defined by the number of assessments with flags (one or more competencies indicated as less than satisfactory). METHODS: A secondary data analysis of archived resident files from a large Canadian family medicine residency program was conducted. Residents from six cohorts were reviewed (N=393) and flags on the in-training evaluation reports (ITERs) and summative periodic progress reports were recorded and summarized with descriptive statistics. RESULTS: One hundred forty-one residents (36%) received at least one flag during training. Rotations where learners received the most flags were: internal medicine (average 1.52±4.82 flags), urban family medicine (average 1.48±4.18), and obstetrics (average 1.07±3.80). For residents having at least one flag, competencies causing most difficulty included: professionalism (21.4%), clinical decision making (17.8%), and teamwork and communication (15.5%). CONCLUSIONS: The file review identified coronary care unit, internal medicine, obstetrics, and general surgery as those rotations (adjusted for length) where family medicine residents most often struggled. Furthermore, deficient clinical knowledge was not one of the main reasons that residents are flagged. These findings may inform programs about where to target resident supports and resources.
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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».