Analysis of Orthopaedic In-Training Examination Trauma Questions: 2017 to 2021
Notice bibliographique
Résumé
INTRODUCTION: The Orthopaedic In-Training Examination (OITE) is a multiple-choice examination developed by the American Academy of Orthopaedic Surgeons annually since 1963 to assess orthopaedic residents' knowledge. This study's purpose is to analyze the 2017 to 2021 OITE trauma questions to aid orthopaedic residents preparing for the examination. METHODS: The 2017 to 2021 OITEs on American Academy of Orthopaedic Surgeons' ResStudy were retrospectively reviewed to identify trauma questions. Question topic, references, and images were analyzed. Two independent reviewers classified each question by taxonomy. RESULTS: Trauma represented 16.6% (204/1,229) of OITE questions. Forty-nine percent of trauma questions included images (100/204), 87.0% (87/100) of which contained radiographs. Each question averaged 2.4 references, of which 94.9% were peer-reviewed articles and 46.8% were published within 5 years of the respective OITE. The most common taxonomic classification was T1 (46.1%), followed by T3 (37.7%) and T2 (16.2%). DISCUSSION: Trauma represents a notable portion of the OITE. Prior OITE trauma analyses were published greater than 10 years ago. Since then, there has been an increase in questions with images and requiring higher cognitive processing. The Journal of Orthopaedic Trauma (24.7%), Journal of the American Academy of Orthopaedic Surgeons (10.1%), and Journal of Bone and Joint Surgery, American Volume (9.3%) remain the most cited sources.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».