Evaluation of a First-Year Veterinary Surgical Skills Laboratory: A Retrospective Review
Notice bibliographique
Résumé
A retrospective review of the first-year surgical skills competency-based assessment was performed at the Western College of Veterinary Medicine (WCVM) using 6 years of data from 475 students. The cumulative pass rate was 88.2% on first attempt and 99.2% upon remediation. Student gender did not influence overall pass/fail rates, with a failure rate of 11.1% for female students and 10.5% for male students ( p = 0.88). Significantly decreased pass rates were associated with identification of the Mayo scissors (p = 0.03), explanation of using Allis tissue forceps ( p = 0.002), and performance of a Lembert suture pattern ( p < 0.01). An increased pass rate was observed for the cruciate pattern ( p < 0.01). No differences were found in pass/fail rates for hand ties ( p = 0.80) or instrument ties ( p = 0.60). The most common errors occurred with half hitch ties: hand ties (53%) and instrument ties (38%). The most common errors were also recognized for instrument handling (31%) and needle management (20%) during the suture pattern section. The veterinary medical education community may benefit from the evidence-based findings of this research, in terms of understanding student performance across competencies, identifying areas requiring additional mentoring, and determining appropriate competencies for first-year veterinary students.
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 | 0,005 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».