Competency-Based Cardiology Training: A Simple Approach to Improve Supervisor Completion of Entrustable Professional Activities
Notice bibliographique
Résumé
Background Adult cardiology residency programs formally transitioned to Competency by Design (CBD) in July 2021. CBD was designed to establish clear learning expectations and increase opportunities for coaching; however, cited challenges include inconsistent participation by staff, and variable timelines for receiving feedback. This project was designed to implement a simple intervention to improve expiry rates and completion timelines of entrustable professional activities (EPAs). Methods EPAs triggered by cardiology residents at Dalhousie University between July 1, 2020 and February 28, 2023 were reviewed. The intervention consisted of performance reviews, including a grand rounds presentation, along with a personalized data set distributed to each staff supervisor, with individual statistics compared to group averages. Outcomes include EPAs completed per resident-months, time to completion, and percentage of expired EPAs. Results At 12 months postintervention, the percentage of expired EPAs decreased from 35.0% to 21.5% (odds ratio 0.51, CI 0.33–0.79; P = 0.03), and the time to completion decreased from 7.3 ± 5.99 days to 5.0 ± 5.78 days (difference –2.31, CI –3.55 to –1.07; P < 0.001). The number of EPAs completed per resident-months increased from 3.10 to 4.29 (rate difference 1.18; CI 0.64–1.72; P < 0.001), and the percentage of EPAs completed within the target time of 48 hours increased from 54.4% to 71.5% (OR 2.11, CI 1.27–3.50; P = 0.004). Conclusions Performance reviews in the form of a group presentation, along with the distribution of personalized data sets to supervisors, positively impacted EPA expiry rates, completion timelines, and completion rates, which helped facilitate the transition to CBD.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».