Effects of a Resident's Reputation on Laparoscopic Skills Assessment
Notice bibliographique
Résumé
OBJECTIVE: To quantify the effect of a resident's reputation on the assessment of their laparoscopic skills. METHODS: Faculty gynecologists were randomized to receive one of three hypothetical resident scenarios: a resident with high, average, or low surgical skills. All participants were then asked to view the same video of a resident performing a laparoscopic salpingo-oophorectomy that differed only by the resident description and provide an assessment using a modified OSATS (Objective Structured Assessment of Technical Skills) and a global assessment scale. RESULTS: From September 6, 2020, to October 20, 2020, a total of 43 faculty gynecologic surgeons were recruited to complete the study. Assessment scores on the modified OSATS (out of 20) and global assessment (out of 5) differed significantly according to resident description, where the high-performing resident scored highest (median scores of 15 and 4, respectively), followed by the average-performing resident (13 and 3), and finally, the low-performing resident (11 and 3) (P=.008 and .043, respectively). CONCLUSION: Faculty assessment of residents in gynecologic surgery is influenced by the assessor's knowledge of the resident's past performance. This knowledge introduces bias that artificially increases scores given to those residents with favorable reputations and decreases scores given to those with reputed surgical skill deficits. These data quantify the effect of such bias in the assessment of residents in the workplace and serve as an impetus to explore systems-level interventions to mitigate bias.
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 | 0,012 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».