MétaCan
Menu
Retour à la cohorte
Enregistrement W4384299581 · doi:10.1186/s12875-023-02105-6

Is it really a challenge to find positive attributes for international medical graduates predictive of success in family medicine residency?

2023· letter· en· W4384299581 sur OpenAlexaffabout
Malcolm M. Macfarlane, Rosemary Pawliuk, Laura Blew

Notice bibliographique

RevueBMC Primary Care · 2023
Typeletter
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensCBC (Canada)
Organismes subventionnairesnon disponible
Mots-clésIMGMedical educationSelection (genetic algorithm)Reading (process)Selection biasGraduate medical educationPsychologyResidency trainingTone (literature)Family medicineMedicineAccreditationPolitical scienceComputer sciencePathology

Résumé

récupéré en direct d'OpenAlex

In their paper "Challenges with international medical graduate selection: finding positive attributes predictive of success in family medicine residency," (BMC Prim Care 23(256):2-9, 2022) the authors report on their research into qualitative attributes that positively correspond to success in residency with the objective of assisting in the selection of International Medical Graduate (IMG) residents most likely to achieve success in family medicine residency. The authors found that positive predictors of IMG residents' success were: presence of a positive attitude, proficient communication skills, high level of clinical knowledge, and trainability. The authors conclude that selecting IMG residents who possess these attributes will result in residents developing increased aptitudes for patient care. A careful reading of the paper raises a number of concerns. MacFarlane (Can Med Educ J 12(4):132-40, 2021) points out that IMGs are already marginalized in the residency selection process. Our concern is that this paper may contribute to this marginalization through a tone of negativity or bias against IMGs and the use of biased language throughout the paper that tends to cast IMGs as being inferior and somehow less well prepared for residency than Canadian Medical Graduates (CMGs). We argue that the proposed predictors are generic and equally relevant to both CMGs and IMGs. In focusing on these predictors in IMGs specifically, the paper appears to imply, without evidence, that IMGs are inadequate in the identified areas. After reviewing the paper's references, the existing literature, and an analysis of language used, we conclude that IMGs are capable candidates for residency, and that the qualitative attributes outlined in the paper offer little utility for the selection of IMG residents relative to CMG residents.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesIntégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,370
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,120
Tête enseignante GPT0,453
Écart entre enseignants0,332 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

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
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Primary CareMême sujetGlobal Health Workforce IssuesTravaux en français237 207