A Longitudinal Study of Differences in Canadian and US Medical Student Preparation for Family Medicine
Notice bibliographique
Résumé
Background and Objectives: Previous research has found differences in preparation for entry into family medicine training between graduates of US and Canadian medical schools. However, this research was limited in that it utilized cross-sectional data to examine a longitudinal issue. This study aimed to examine these differences with a longitudinal data set. Methods: A comparison of the performance on the American Board of Family Medicine (ABFM) In-Training Exam (ITE) between 2014 and 2016 was conducted by examining the performance of Canadian medical school graduates and US medical school graduates longitudinally, as well as cross-sectionally, using independent t tests. Results: For first-year residents (PGY1), the Canadian 2014/2015 cohort showed significantly higher mean scores than US medical school graduates (USMG) and international medical school graduates (IMG). The Canadian 2015/2016 cohort showed no statistical difference from the USMGs, but did have a significantly higher mean than the IMGs. For second-year residents (PGY2), the Canadian 2014/2015 cohort showed a significantly lower mean than the USMG cohort, but had a significantly higher mean than the IMG cohort. The Canadian 2015/2016 cohort showed a statistically lower mean than the USMG cohort and no difference compared to the IMG cohort. Conclusions: Based on a comparison of ABFM ITE scores between 2014 and 2016, the Canadian medical school graduates performed as well as or better than the US graduates upon entry into residency, but performance was reversed for the second year of training. Our results also suggest an equity value of ACGME residency training independent of location of undergraduate medical training.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».