MétaCan
Menu
Retour à la cohorte
Enregistrement W4385953764 · doi:10.3399/bjgpo.2023.0044

Evaluating the UK’s first national prescribing assessment for GPs in training using an online survey

2023· article· en· W4385953764 sur OpenAlexaff
Richard Knox, Brian Bell, Nde-Eshimuni Salema, Kim Emerson, Susan Bodgener, Jonathan Rial, Gill Gookey, Glen Swanwick, Anna Charly, Anthony Avery

Notice bibliographique

RevueBJGP Open · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensWorkplace Health, Safety and Compensation Commission
Organismes subventionnairesPatient Safety Translational Research CentreDepartment of Health and Social CareNational Institute for Health and Care ResearchRoyal College of General Practitioners
Mots-clésTrainerMedical prescriptionMedicineFamily medicineEthnic groupComputer-assisted web interviewingDisadvantageMedical educationNursing

Résumé

récupéré en direct d'OpenAlex

Background GP trainees may not have experienced a systematic and comprehensive education in safe prescribing. Therefore, a self-assessment prescribing review was developed. Aim To determine whether the assessment was feasible, had face validity, and did not disadvantage particular groups of participants. Design & setting An online survey that evaluates the opinions of GPs in training of a prescribing assessment in the UK. All full-time UK trainees who started their final year of GP training in August 2019 undertook the prescribing assessment along with their trainers, after which they completed an online anonymous feedback questionnaire. Method The questionnaire completed by trainees sought their opinions of the assessment, and collected ethnicity and disability data. The trainer questionnaire was similar but did not include any demographic information. Results The questionnaire was completed by 1741 trainees and 1576 trainers. There was no evidence that ethnic group and disability were related to aspects of the review. Most of the trainees (76.4%,n= 1330) and trainers (82.0%,n= 1293) agreed or strongly agreed that the prescribing review was helpful for assessing and learning about the trainee’s prescribing. However, most participants (63.2%,n= 1092) took >4 hours to review their prescriptions. A majority of trainees (90.2%,n= 1571) reported that completing the assessment had resulted in a change in their prescribing practice. Conclusion The majority of trainers and trainees reported that the prescribing assessment was helpful. The study was not able to assess whether there had been an actual change in practice that resulted in an error reduction.

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)0,017
score de la tête « metaresearch » (Gemma)0,055
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 enseignants0,017
Score d'incertitude au seuil0,092

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,055
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,726
Tête enseignante GPT0,602
Écart entre enseignants0,124 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBJGP OpenMême sujetInnovations in Medical EducationTravaux en français237 207