MétaCan
Menu
← Retour à la cohorte
Enregistrement W4313116568 · doi:10.22374/cjgim.v17i2.580

General Internal Medicine (GIM): do the Puzzle Pieces Portray the Picture? A Continuous Quality Improvement Process for Entrustable Professional Activities (EPAs)

2022· article· en· W4313116568 sur OpenAlexaffvenueabout
Samantha Halman, Laura Marcotte, Michelle Elizov, Lynfa Stroud, Jolanta Karpinski, Sharon E. Card

Notice bibliographique

RevueCanadian Journal of General Internal Medicine · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensUniversity of SaskatchewanSaskatchewan HealthUniversity of TorontoRoyal College of Physicians and Surgeons of CanadaThe Wilson CentreOttawa HospitalHealth Sciences CentreSunnybrook Health Science CentreUniversity of OttawaMcGill UniversityMcGill University Health CentreSaskatchewan Health AuthorityQueen's University
Organismes subventionnairesnon disponible
Mots-clésDocumentationSpecialtyHumanitiesMedicineMedical educationPhilosophyComputer scienceFamily medicine

Résumé

récupéré en direct d'OpenAlex

Defining General Internal Medicine (GIM) has been difficult due to the tension between ensuring flexibility for varied environments and the need for national standards. With the launch of competency-based medical education, the Royal College of Physicians and Surgeons of Canada Specialty Committee in GIM (SCGIM) (national standard-setting body) had the opportunity to explicitly define the discipline via elaboration of the GIM competencies and Entrustable Professional Activities (EPAs). Defining the EPAs is the essence of defining the tasks of the discipline. We describe our SCGIM approach to the continuous review of the theoretical written documentation around EPAs in the “real world environment” in order to continuously refine the EPAs and ensure they are facilitating skill attainment. Major lessons learned (1) centralized feedback with simple reporting and multiple input is best; (2) there is tension between theory (perfect EPAs) and practical implementation; (3) it takes time to see how the EPAs are performing.

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)0,037
score de la tête « metaresearch » (Gemma)0,094
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil0,198

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0370,094
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,005
Études des sciences et des technologies0,0040,016
Communication savante0,0110,017
Science ouverte0,0030,007
Intégrité de la recherche0,0060,019
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,023
Tête enseignante GPT0,354
Écart entre enseignants0,331 · 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'étudeQualitatif
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
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of General Internal Medicine→Même sujetInnovations in Medical Education→Travaux en français237 207→