A geographic-location-based medical school admissions process does not influence pre-clerkship and licensing examination academic performance
Notice bibliographique
Résumé
Background: Students are selected for admission to the Northern Ontario School of Medicine University (NOSM U) MD degree program using criteria aiming to maximize access of persons thought most likely to practice in the region, including use of a geographic context score (GCS) which ranks those with lived experience in northern Ontario and/or rurality most highly. This study investigates the effect of this admissions process upon medical school academic performance. Methods: We used a retrospective cohort design combined with multiple linear regression analysis to investigate the relationship between admission scores and performance on pre-clerkship courses, and the Medical Council of Canada Qualifying Exam Part 1 (MCCQE1).The GCS did not significantly explain performance variance on any pre-clerkship course, nor on the MCCQE1, while the undergraduate Grade Point Average correlated with most assessment scores. The number of prior undergraduate biomedical courses predicted science and clinical skills performance, particularly in Year 1, but not with MCCQE1 scores. Performance on Year 2 courses, particularly foundational sciences and clinical skills, significantly predicted MCCQE1 scores. Results: Our data suggest that admission geographic context scoring is unrelated to future academic performance. Further, students with fewer prior undergraduate biomedical courses may benefit from increased support and/or a modified program during the early years.
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 | 0,002 | 0,400 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,058 | 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 ».