MétaCan
Menu
Retour à la cohorte
Enregistrement W3024893209

FM-MAP: A Novel In-Training Examination Predicts Success on Family Medicine Certification Examination.

2017· article· en· W3024893209 sur OpenAlexaffabout
Karl Iglar, Fok‐Han Leung, Rahim Moineddin, Jodi Herold

Notice bibliographique

RevuePubMed · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueClinical Reasoning and Diagnostic Skills
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCertificationTest (biology)MedicineMedical educationFamily medicineFinal examinationPhysical examinationPsychologyInternal medicineManagement
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND OBJECTIVES: The objective of our study was to assess the correlation between a locally developed In-Training Examination (ITE) and the certification examination in family medicine in Canada. METHODS: The ITE was taken twice yearly, which corresponded for most residents to the fifth, ninth, 17th, and 21st month of training. The results for the ITE were correlated to the CFPC certification examination taken in the 23rd month of residency. RESULTS: The scores on each of the four iterations of the ITE correlated moderately well with performance relating to problem solving skills and knowledge on the certification examination. The ITE showed a trend to an increased correlation with duration in the training program with a Spearman correlation coefficient increasing from 0.45 on the first test to 0.54 on the fourth test. The correlation of the ITE with performance on the component assessing the doctor- patient relationship on the certification examination was poor (r=0.26 on the last test). CONCLUSION: Our in-training examination is a useful predictor of performance in problem solving and knowledge domains of the family medicine expert role on the certification examination.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,162
Tête enseignante GPT0,351
Écart entre enseignants0,190 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetClinical Reasoning and Diagnostic SkillsTravaux en français237 207