Prescribing competency assessment for Canadian medical students: a pilot evaluation
Notice bibliographique
Résumé
Background: The knowledge and ability to prescribe safely and effectively is a core competency for every graduating medical student. Our previous research suggested concerns about medical student prescribing abilities, and interest in a standardized assessment process. Methods: A multi-year cross-sectional study evaluating the feasibility, acceptability, and discriminative ability of an online prescribing competency assessment for final year Canadian medical students was conducted. Students at nine sites of four Ontario medical schools were invited to participate in an online one-hour exam of eight domains related to prescribing safely. Student feedback on perceived fairness, clarity, and ease of use formed the primary outcome. Exam performance and parity between schools were the secondary outcome. Results: A total of 714 students completed the assessment during spring final review courses between 2016 and 2018. Student feedback was more favourable than not for appropriateness of content (53.5% agreement vs 18.3% disagreement), clarity of questions (65.5% agreement vs 11.6% disagreement), question layout and presentation (70.8% agreement vs 12.2% disagreement), and ease of use of online interface (67.1% agreement vs 13.6% disagreement). Few (23.6% believed their course work had prepared them for the assessment. Mean total exam score was 70.0% overall (SD 10.4%), with 47.6% scoring at or above the pass threshold of 70%. Conclusion: Our prescribing competency assessment proved feasible, acceptable, and discriminative, and indicated a need for better medical school training to improve prescribing competency. Further evaluation in a larger sample of medical schools is warranted.
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 | 0,008 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,148 | 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 ».