MétaCan
Menu
Retour à la cohorte
Enregistrement W4313579100 · doi:10.52609/jmlph.v3i1.64

An Evaluation of the 2020 Change to the Saudi Emergency Residency Program Assessment

2022· article· en· W4313579100 sur OpenAlexvenueno aff
Ibrahim Saud Alrashedi, Dania Farooq

Notice bibliographique

RevueThe Journal of Medicine Law & Public Health · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueHospital Admissions and Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineResidency trainingFamily medicineMedical educationContinuing education

Résumé

récupéré en direct d'OpenAlex

Background Several changes have been made to the assessment component of Saudi residency training programs. Among those is the implementation of three examinations over the course of the year. Aim We aimed to explore the emergency residents’ perspective on the change in the number of examinations, and the impact of such changes in terms of time management, knowledge gain, and social life. Methods This cross-sectional study was carried out from September to October 2022, using an electronic survey targeting emergency board trainees. Results One hundred and nine emergency residents enrolled, of whom 64.2% were male. The majority, 45%, were from the central province. Junior-level residents (R1) represented 26.6% of the sample, while R2 (second year) comprised 18.3%, R3 (third year) comprised 38.5%, and 16.5% were senior (R4) level. More than half of the participants, 56 % (n=61), did not support the change from one to three examinations and believed that it had a negative influence on knowledge gain and clinical skills. The influence of the change on time management stands out as a negative impact, in addition to its impact on social life and annual leave arrangements. Conclusions The support for three examinations throughout the year was low; a contributing factor to this may be the sudden changes effected by those tests on training and time management. A re-evaluation of testing culture and involving residents in decision-making might generate acceptance.

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)0,015
score de la tête « metaresearch » (Gemma)0,031
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 enseignants0,024
Score d'incertitude au seuil0,081

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,031
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,149
Tête enseignante GPT0,469
Écart entre enseignants0,320 · 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'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Medicine Law & Public HealthMême sujetHospital Admissions and OutcomesTravaux en français237 207