MétaCan
Menu
Retour à la cohorte
Enregistrement W2940065097 · doi:10.1097/acm.0000000000002764

Pathways to Independent Primary Care Clinical Practice: How Tall Is the Shortest Giant?

2019· article· en· W2940065097 sur OpenAlexaff
Mantosh Dewan, John J. Norcini

Notice bibliographique

RevueAcademic Medicine · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueNursing Roles and Practices
Établissements canadiensAmerican Water (Canada)
Organismes subventionnairesnon disponible
Mots-clésScope of practiceScope (computer science)WorkforcePrimary careMedical educationMedicineProfessional developmentFamily medicinePsychologyHealth careComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

Patients can be treated by a physician, a nurse practitioner (NP), or a physician assistant (PA) despite marked differences in the education and training for these three professions. This natural experiment allows examination of a critical question: What is the minimum education and training required to practice primary care? In other words, how tall is the shortest giant? State licensing requirements, not educational bodies, legislate minimum training. The current minimum is 6 years, which includes 27.5 weeks of supervised clinical experience (SCE), for NPs. In comparison, PAs train for 6 years with 45 weeks of SCE, and physicians for at least 8 years with 110 weeks of SCE. Initial, flawed studies show equivalent patient outcomes among the professions. If rigorous follow-up studies confirm equivalence, the content and length of medical education for primary care physicians should be reconsidered. Unmatched medical school graduates, with 7 years of training and 65 weeks of SCE, more than the required minimum for NPs, deserve to practice independently. So do PAs. If equivalence is not confirmed, the minimum requirements for NPs and/or PAs should be raised, including considering a required residency (currently optional). Alternatively, the scope of practice for the three professions could be defined to reflect differences in training. There is an urgent need to set aside preconceived notions and turf battles, conduct rigorous independent studies, and generate meaningful data on practice patterns and patient outcomes. This should inform optimal training, scope of practice, and workforce development for each invaluable primary care clinical practitioner.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,061
score de la tête « metaresearch » (Gemma)0,136
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,061
Score d'incertitude au seuil0,324

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0610,136
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,011
Communication savante0,0100,015
Science ouverte0,0020,008
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,110
Tête enseignante GPT0,488
Écart entre enseignants0,378 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademic MedicineMême sujetNursing Roles and PracticesTravaux en français237 207