P.117 Quantitative evaluation in competency-based medical education – a nationwide survey of the spinal surgical training landscape
Notice bibliographique
Résumé
Background: The competency-based medical education (CBME) model has been recently implemented in spinal neurosurgical and orthopedic residencies. This model is grounded on entrustable professional activities (EPAs) that allow the assessment of clinical milestones. Integrating quantitative metrics to evaluate procedural competencies could refine the assessment’s scope. This survey, administered to program directors (PDs), aims to evaluate the current state and anticipated needs for quantitative evaluation to develop innovative assessment techniques. Methods: We surveyed 32 PDs of neurosurgical (N=14) and orthopedics (N=16) programs with a spine service via RedCap. We collected information on the programs’ characteristics. We inquired about existing assessment methods and the perceived values of developing quantitative metrics to assess spinal technical competencies using thirteen questions. Results: The response rate was 53%. All programs use EPAs to assess procedural competencies through direct observation in the operation room. One surgical program employed quantitative metrics for examination. Four PD valued the profitability of quantitative evaluation methods in a clinical or simulatory context. Conclusions: The use of quantitative metrics to assess spinal surgical competencies in Canadian neurosurgical and orthopedic residency programs is seldom. Despite its underutilization, PDs acknowledge the potential for quantitation to improve the accuracy and reliability of CBME assessments in both simulated and clinical settings.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».