The Utility of the Mini-Clinical Evaluation Exercise (Mini-CEX) in the Emergency Department: A Systematic Review and Meta-Analysis Evaluating the Readability, Feasibility, and Acceptability of Mini-CEX Utilization
Notice bibliographique
Résumé
Assessment tools, such as the mini-clinical evaluation exercise (mini-CEX), have been developed to evaluate the competence of medical trainees during routine duties. However, their effectiveness in busy environments, such as the emergency department (ED), is poorly understood. This study assesses the feasibility, reliability, and acceptability of implementing the mini-CEX in the ED. PubMed, Google Scholar, ScienceDirect, Scopus, and Web of Science databases were scoured for observational and randomized trials related to our topic. Moreover, a manual search was also conducted to identify additional studies. After the literature search, data were extracted from studies that were eligible for inclusion by two independent reviewers. When applicable, meta-analyses were performed using the Comprehensive Meta-Analysis software. In addition, the methodological quality of studies was evaluated using the Newcastle-Ottawa Scale. Of the 2,105 articles gathered through database and manual searches, only four met the criteria for inclusion in the review. A combined analysis of three studies revealed that trainee-patient interactions averaged 16.05 minutes (95% CI = 14.21-17.88), and feedback was given in about 10.78 minutes (95% CI = 10.19-11.38). The completion rates for mini-CEX were high: 95.7% (95% CI = 87.6-98.6) for medical trainees and 95.8% (95% CI = 89.7-98.3) for assessors. Satisfaction with mini-CEX was notable, with 63.5% (95% CI = 51.5-74.1) of medical trainees and 75.7% (95% CI = 63.9-84.6) of assessors expressing contentment. Qualitative data from one study demonstrated that 70.6% of faculty members could allocate suitable time for mini-CEX during their clinical shifts. The mini-CEX is a feasible and acceptable assessment tool within the ED. Furthermore, there is evidence to suggest that it might be reliable.
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 | 0,031 | 0,079 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,039 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».