Evaluating the Quality of Narrative Feedback for Entrustable Professional Activities in a Surgery Residency Program
Notice bibliographique
Résumé
OBJECTIVE: To assess the quality of narrative feedback given to surgical residents during the first 5 years of competency-based medical education implementation. BACKGROUND: Competency-based medical education requires ongoing formative assessments and feedback on learners' performance. METHODS: We conducted a retrospective cross-sectional study using assessments of entrustable professional activities (EPAs) in the Surgical Foundations curriculum at Queen's University from 2017 to 2022. Two raters independently evaluated the quality of narrative feedback using the Quality of Assessment of Learning score (0-5). RESULTS: A total of 3900 EPA assessments were completed over 5 years. Of assessments, 57% (2229/3900) had narrative feedback documented with a mean Quality of Assessment of Learning score of 2.16 ± 1.49. Of these, 1614 (72.4%) provided evidence about the resident's performance, 951 (42.7%) provided suggestions for improvement, and 499/2229 (22.4%) connected suggestions to the evidence. There was no meaningful change in narrative feedback quality over time ( r = 0.067, P = 0.002). Variables associated with lower quality of narrative feedback include: attending role (2.04 ± 1.48) compared with the medical student (3.13 ± 1.12, P < 0.001) and clinical fellow (2.47 ± 1.54, P < 0.001), concordant specialties between the assessor and learner (2.06 ± 1.50 vs 2.21 ± 1.49, P = 0.025), completion of the assessment 1 month or more after the encounter versus 1 week (1.85 ± 1.48 vs 2.23 ± 1.49, P < 0.001), and resident entrusted versus not entrusted to perform the assessed EPA (2.13 ± 1.45 vs 2.35 ± 1.66; P = 0.008). The quality of narrative feedback was similar for assessments completed under direct and indirect observation (2.18 ± 1.47 vs 2.06 ± 1.54; P = 0.153). CONCLUSIONS: Just over half of the EPA assessments of surgery residents contained narrative feedback with overall fair quality. There was no meaningful change in the quality of feedback over 5 years. These findings prompt future research and faculty development.
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 | 0,028 | 0,179 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».