Prescribing Competence of Canadian Medical Graduates: National Survey of Medical School Leaders
Notice bibliographique
Résumé
Suboptimal knowledge of clinical pharmacology, therapeutics, and toxicology (CPT) and poor-quality prescribing are threats to patient safety. Our previous national survey of medical faculty identified limited confidence in medical student graduates’ ability to safely prescribe, as well as an interest in a national prescribing competence assessment. Given the in-person challenges posed by the restrictions related to the COVID-19 pandemic, we aimed to re-evaluate opinions and gauge the interest in e-learning resources and assessments. Using public sources, a sampling frame of medical school leaders from all 17 Canadian medical schools, including deans, vice-deans, and program directors for clerkship, residency, and e-learning, were invited to participate in a cross-sectional survey. Survey questions were finalized after several rounds of testing, and analyses were descriptive. Of 1448 invitations, 411 (28.4%) individuals reviewed the survey, and, among them, 278 (67.6%) completed at least one survey question, with representation from all schools. While more than 90% of respondents agreed that medical students should meet a minimum standard of prescribing competence, only 17 (7.9%) could vouch for their school meeting objectives in CPT, and many had significant concerns about their own or other schools’ recent graduate prescribing abilities. Given the lack of local CPT e-curricula resources, there was strong interest in a national online course and assessment in CPT. Our national survey results suggest an ongoing inadequacy of medical trainees’ prescribing competence, and also provide a strong endorsement for both a national online CPT course and assessment during medical school.
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 | 0,005 | 0,116 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,031 | 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 ».