Implementation of competency-based medical education in a Canadian medical oncology training program: Lessons from our first year.
Notice bibliographique
Résumé
10514 Background: As part of a university wide initiative, CBME was implemented in our MO training program in July 2017. Stages, Entrustable Professional Activity (EPA) assessments and Required Training Experiences established by the Royal College of Physicians and Surgeons of Canada were adopted. MedTech Central, the electronic portfolio developed at our university was used for assessment collection. We share here observations and experiences from our first year of implementation. Methods: Assessment metrics were obtained through MEdTech. Ethics was granted by Queen’s University as part of an ongoing research study on feedback. Lessons learned were compiled from discussions between the Program Director, Residents, Program Administrator, CBME Education Consultant and CBME lead. Results: A total of 195 assessments were completed July 2017-November 2018. 81% were EPA assessments and the remainder multisource feedback, rubrics and field notes. The median number of assessments per faculty was 17 (0-42). 52% of assessments included written “Comments” or “Next steps”. A median of 6 assessments per faculty member included specific or actionable feedback. Lessons learned centered on: 1) Faculty and Resident development and engagement (critical before, during and after implementation); 2) Value of sharing work of CBME (CBME Education Consultant, CBME Lead, Academic Advisors, Competence Committee); 3) Importance of effective communication strategy with stakeholders 4) Importance of collaboration with other training programs at institutional and national levels; 5) Culture change (a slow process); 6) Resident concerns regarding lack of global assessment; 7) Assessment plan challenges (How many observations required?); 8) Burden of CBME (Resident driven assessments or a better balance?) ; 9) Limitations of e-portfolio (How to live track and by whom?); 10) Costs 11) Value of continuous quality assurance and improvement. Conclusions: Our first year of implementation was successful in introducing CBME concepts, work based assessments and e-portfolios. Ongoing work is needed, including increasing the number of assessments and quality of feedback.
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 | 0,016 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,015 | 0,003 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,004 |
| 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 ».