MétaCan
Menu
← Retour à la cohorte
Enregistrement W4284891285 · doi:10.3138/jvme-2021-0164

Excellent Agreement of In-Person Scoring versus Scoring of Digitally Recorded Simulated Suture Skills Examination

2022· article· en· W4284891285 sur OpenAlexaffvenue
Brigitte A. Brisson, Rachel Dobberstein, Gabrielle Monteith, Andria Jones‐Bitton

Notice bibliographique

RevueJournal of Veterinary Medical Education · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésRubricConcordanceMedical physicsPsychologyMedical educationMedicinePhysical therapyMathematics education

Résumé

récupéré en direct d'OpenAlex

Abstract This study’s objective was to evaluate the agreement between in-person performance scores and digitally recorded assessment scores by the same examiner using a simulated suturing skill examination. With ethics approval, veterinary students underwent a simulated skills examination proctored by an in-person examiner and simultaneously digitally recorded using two wide-angle cameras mounted overtop and to the side of the surgical field. Performance scores were based on a nine-item rubric. In-person examination scores were compared for agreement with those obtained by blind review of the digital recording of the same session, by the same examiner, 6–18 months following the in-person examination. Thirty-nine students were enrolled. All rubric categories could be assessed during digital assessment of the recording from the camera mounted above the surgical area. In two instances, the side digital recording had to be reviewed to confirm correct needle holder grip. Concordance correlation between performance scores from in-person and post hoc digital assessment was excellent ( r = .93). The excellent agreement between in-person and digital assessment suggests that digitally recording skills examinations can provide adequate suturing skills assessment, presenting several benefits. Digitally recorded assessment allows for anonymity, which can reduce assessor bias/favoritism, provide a record of performance that students can review and critically self-reflect upon, and reduce the number of in-person examiners required to complete surgical skills examinations. Additionally, digitally recorded assessment could become an option for students who experience anxiety performing a skills exam in the presence of an examiner.

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)0,020
score de la tête « metaresearch » (Gemma)0,061
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 enseignants0,020
Score d'incertitude au seuil0,104

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,061
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,095
Tête enseignante GPT0,408
Écart entre enseignants0,313 · 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
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Veterinary Medical Education→Même sujetSimulation-Based Education in Healthcare→Travaux en français237 207→