MétaCan
Menu
← Retour à la cohorte
Enregistrement W3208378254 · doi:10.1097/acm.0000000000004311

Applying Coactivity Scales to Entrustable Professional Activity Assessments of Clerkship Students

2021· article· en· W3208378254 sur OpenAlexaboutno aff
Matthew Imm, Gauri Agarwal, Chi Zhang, Amar R. Deshpande, Barry Issenberg, Latha Chandran

Notice bibliographique

RevueAcademic Medicine · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCronbach's alphaInterpreterScale (ratio)Medical educationAccreditationPsychologyIBMMedicinePsychometricsComputer scienceClinical psychology

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to evaluate the feasibility of applying coactivity scales to entrustable professional activity (EPA)-based assessments by comparing (1) the ratings of students performing EPAs with increasing levels of difficulty and (2) the ratings of cohorts of students performing the same EPAs over time. Clinical clerkships provide critical opportunities to evaluate medical student performance on Association of American Medical Colleges (AAMC) Core EPAs for Entering Residency. However, there is no standardized method for assigning entrustability. 1 The AAMC proposes the use of the Modified Ottawa coactivity scale to anchor entrustability assessments. 2 We adapted a modified PRIME scale (professionalism, reporter, interpreter, and manager) to assign a developmental hierarchy to the EPAs. 3 To assess student skills in selected EPAs, we used the modified Ottawa coactivity scale, and assigned a value of 1–4 in order of increasing entrustability to anchors in the scale. Mean ratings of EPAs over time were calculated and compared. IBM SPSS Statistics version 25 (IBM, Armonk, New York) was used for descriptive analyses, ANOVA, and general linear models. A total of 2,623 evaluations (Cronbach’s alpha of 0.927) were completed for 247 medical students and showed a significant increase over time for professionalism (P = .011), reporter (P = .007), interpreter (P = .004), and manager (P = .007). EPAs with increasing intellectual demand were associated with lower student EPA ratings: 3.51 (±0.50) for professionalism, 3.45 (±0.47) for reporter, 3.35 (±0.59) for interpreter, and 3.28 (±0.60) for manager. The University of Miami EPA assessment tool provides a useful measure of student readiness for patient care. Raters entrusted students more with skills of professionalism, reporting, and interpreting than with managing, a more sophisticated skill. In every domain, entrustability increased with clinical experience. A limitation of this study is that the tool was used at a single institution. The tool can potentially be deployed across multiple clerkships at other medical schools as an effective and practical tool for medical student evaluation.

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)0,010
score de la tête « metaresearch » (Gemma)0,033
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 enseignants0,010
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,033
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,060
Tête enseignante GPT0,477
Écart entre enseignants0,417 · 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademic Medicine→Même sujetInnovations in Medical Education→Travaux en français237 207→