Burn Care and Surgical Exposure amongst Canadian Plastic Surgery Residents: Recommendations for Transitioning to a Competency-Based Medical Education Model
Notice bibliographique
Résumé
With the ongoing implementation of a competency-based medical education (CMBE) model for residency programs in North America, emphasis on the duration of training has been refocused onto ability and competence. This study aims to determine the exposure of burn-related core procedural competencies (CPCs) in Canadian Plastic Surgery Residents in order to enhance curricular development and help define its goals. A retrospective review of burn-related resident case logs encompassing all 10 English-speaking plastic surgery residency programs from 2004 to 2014 was performed, including analysis of personal competence scores and resident role by Postgraduate Year (PGY)-year. Case logs of a total of 55 graduating plastic surgery residents were included in the study. Overall, 4033 procedures in burn and burn-related care were logged, accounting for 6.8% of all procedures logged. On average, each resident logged 73 burn procedures, 99% of which were CPCs. The most frequently performed procedure was harvest and application of autograft, allograft, or xenograft, while emergent procedures such as escharotomy and compartment release were performed on average less than one time per resident. Personal competence scores as well as role of the resident (surgical responsibility) increased as PGY-year progressed during residency. Canadian plastic surgery residency programs provide adequate exposure to the majority of the scope of burn care and surgery. However, infrequently encountered but critical procedures such as escharotomy and fasciotomy may require supplementation through dedicated educational opportunities. CMBE should identify these gaps in learning through facilitation of resident competency evaluation. With consideration for the amount of exposure to burn-related CPCs as identified, plastic surgery residency programs can work toward achieving competency in all aspects of burn care and surgery prior to the completion of residency.
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 | 0,007 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,007 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».