Competency by Design for Electroconvulsive Therapy in Psychiatry Postgraduate Training
Notice bibliographique
Résumé
INTRODUCTION: Psychiatry is in the process of shifting curricula in postgraduate training to a competency-by-design approach. One core aspect of postgraduate psychiatry training is the knowledge and practice of electroconvulsive therapy (ECT). The aim of this study was to develop and validate the corresponding set of competencies that need to be developed during postgraduate training in psychiatry. METHODS: This study involves the proposal of a set of competencies by an ECT curriculum committee from the University Department of Psychiatry, based on the competency-by-design principles, followed by a modified Delphi process, to reach expert consensus on the proposed, modified, and added competencies. RESULTS: Six ECT experts meeting the preset criteria were recruited to the study from 6 academic centers across Canada and participated in the 2 Delphi rounds. Thirty-one competencies were proposed in the first round. Twenty-three proceeded to the second round by meeting 80% agreement on a score of ≥4 using a 5-point Likert scale. Three competencies required rewording based on qualitative feedback; accordingly, 10 new competencies were suggested. Thirty-five competencies were rated by experts and reached the threshold of agreement and rating. Cronbach α increased from 0.89 after the first round to 0.95 after the second iteration. DISCUSSION: Consensus was generated on 35 competencies that need to be achieved during postgraduate training in psychiatry. These competencies can serve as the basis for developing ECT curricula in postgraduate psychiatry training. The method used is feasible and can be adopted for the development of other competencies and curricula in psychiatry and other medical fields.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».