MétaCan
Menu
← Retour à la cohorte
Enregistrement W3171125284 · doi:10.1200/jco.2021.39.15_suppl.e18656

Can online patient reviews be used to assess oncologist competency? RateMD as a cancer care evaluation tool.

2021· article· en· W3171125284 sur OpenAlexaffabout
Nina Morena, Nicholas H. Zelt, Diana Nguyen, Carrie A. Rentschler, Devon Greyson, Ari N. Meguerditchian

Notice bibliographique

RevueJournal of Clinical Oncology · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient-Provider Communication in Healthcare
Établissements canadiensMcGill University Health CentreMcGill University
Organismes subventionnairesnon disponible
Mots-clésMedicineInterpersonal communicationMedical educationDescriptive statisticsHealth careFamily medicinePsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

e18656 Background: Medical oncology (MEDONC) requires a combination of skills in collaboration, communication, and professionalism, ultimately delivering technical and clinical knowledge in practice. Standard assessment tools (e.g. written examination, OSCE) are not effective in evaluating competencies beyond technical skills and fail to define the cancer care experience holistically. This explorative, descriptive study aims to identify the potential of unstructured, unsolicited, open access online patient reviews (OPRs) as a tool to assess physician competency. Methods: University-affiliated MEDONCs in Ontario (Canada) were selected. All OPRs were identified on RateMD using every name permutation; physician names and institutional affiliations were removed from comments. A descriptive analysis of the cohort was completed. The CanMEDS Framework, defining physician standards, was used with its hierarchy of roles, concepts, and competencies. Two reviewers, a communication studies researcher and a healthcare professional, independently assessed comments and identified common themes. Competency-level assessments were evaluated using kappa with linear weights. Results: 473 OPRs were identified for 49 MEDONCs (71% male, 29% female). Of these, 23% were written by care providers. Competencies defining roles of Medical Expert, Communicator, and Professional were most prevalent (64%, 38%, and 27% respectively). Agreement levels were high in all roles (wK = 0.71 - 1.00). Themes identified were similar in positive and negative evaluations. Most commonly discussed positive themes were knowledge translation and compassionate interpersonal skills. Most common negative themes centered on lack of humility, compassion, and communication skills. 38% of comments were marked helpful, indicating engagement with other OPRs as a key characteristic of rating tools. In addition to the physician in question, 21% of OPRs reported on healthcare delivery by staff. Conclusions: OPRs emphasize experiential competencies related to interpersonal skills and suggest an alternative format to evaluating such aspects of MEDONC competencies.[Table: see text]

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)0,049
score de la tête « metaresearch » (Gemma)0,171
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 enseignants0,049
Score d'incertitude au seuil0,258

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0490,171
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,822
Tête enseignante GPT0,687
Écart entre enseignants0,135 · 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
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetPatient-Provider Communication in Healthcare→Travaux en français237 207→