Development of a Competency Assessment Framework for Pharmacy Residents Participating in High-Fidelity Simulation and Creation of the SIMPHARM Assessment Tool
Notice bibliographique
Résumé
Background: Simulations are used to improve professional practice across multiple health professions; however, the application of simulations in pharmacy curricula has been limited by a lack of evidence. Objectives: To delineate the competencies of pharmacy residents needed to assess their progress while participating in a high-fidelity simulation training program and to create a reliable assessment tool based on these competencies. Methods: A literature review was conducted, followed by application of a modified Delphi method. An assessment tool based on the results of these activities was drafted (in French). A second modified Delphi process was carried out to assess the reliability of the tool, and the tool was modified accordingly. Results: The literature search yielded a total of 2670 articles, of which 289 were included for analysis. The first modified Delphi process involved 19 experts in the first round and 10 experts in the second round. The Cronbach α was 0.866 (95% confidence interval [CI] 0.713–0.960), indicating good reliability. A total of 7 competencies were retained for inclusion in the SIMPHARM assessment tool: professionalism, leadership, teamwork, communication, critical thinking, preparation and packaging of medications, and pharmaceutical calculations. The second modified Delphi process involved 9 experts in the first round and 11 experts in the second round. The final Cronbach α was 0.877 (95% CI 0.741–0.960). Conclusions: To the authors’ knowledge, this was one of the largest studies exploring pharmacy competencies in the context of simulations. This work yielded a reliable framework for the assessment of pharmacy residents’ competencies. This assessment tool may help evaluators in assessing the competencies of pharmacy trainees after simulation training. Keywords: assessment tool, competencies, high-fidelity simulation, nontechnical skills, pharmacy RÉSUMÉ Contexte : Les simulations sont utilisées dans le but d’améliorer la pratique professionnelle de plusieurs professions de la santé; cependant, le manque de données probantes limite leur application dans les programmes d’enseignement en pharmacie. Objectifs : Décrire les compétences nécessaires pour évaluer le progrès des résidents en pharmacie qui participent à une formation basée sur un programme de simulation haute-fidélité; et mettre au point un outil d’évaluation fiable qui se base sur ces compétences. Méthodologie : Une revue de littérature a été effectuée, avant d’appliquer une méthode Delphi modifiée et de faire l’ébauche d’un outil d’évaluation (en français) basé sur les résultats de ces activités. Une deuxième méthode Delphi modifiée a été appliquée pour évaluer la fiabilité de l’outil et celui-ci a fait l’objet de modifications en conséquence. Résultats : La revue de littérature a donné un total de 2670 articles, parmi lesquels 289 ont été inclus à des fins d’analyse. La première méthode Delphi modifiée a impliqué 19 experts pour la première phase, et 10 pour la seconde. Le coefficient alpha de Cronbach était de 0,866 (intervalle de confiance [IC] à 95 % 0,713–0,960), indiquant une bonne fiabilité. Au total, 7 compétences à inclure dans l’outil d’évaluation ont été retenues : professionnalisme, leadership, travail d’équipe, communication, pensée critique, préparation et conditionnement des médicaments, et calculs pharmaceutiques. La deuxième méthode Delphi modifiée impliquait quant à elle 9 experts pour la première phase et 11 pour la seconde. Le coefficient alpha de Cronbach final était de 0,877 (IC à 95 % 0,741–0,960). Conclusions : À la connaissance des auteurs, cette étude était l’une des plus importantes se penchant sur les compétences en pharmacie dans le contexte des simulations. Ce travail a donné lieu à un cadre de référence fiable pour évaluer les compétences des résidents en pharmacie. Cet outil d’évaluation pourrait aider les évaluateurs à évaluer les compétences des stagiaires à la suite d’une formation par simulation. Mots-clés : outil d’évaluation, compétences, simulation haute-fidélité, compétences non techniques, pharmacie
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 | 0,084 | 0,095 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,013 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».