MétaCan
Menu
Retour à la cohorte
Enregistrement W4401333526 · doi:10.1186/s12245-024-00671-9

IFEM model curriculum: emergency medicine learning outcomes for undergraduate medical education

2024· article· en· W4401333526 sur OpenAlexaff
Arif Alper Çevik, Elif Dilek Cakal, James Kwan, Simon N. Chu, Sithembile Mtombeni, V. Anantharaman, Nicholas Jourıles, David Peng, Andrew C. Singer, Peter Cameron, James Ducharme, Abraham Ka Chung Wai, David E. Manthey, Cherri Hobgood, Terrence Mullıgan, Edgardo Menendez, Juliusz Jakubaszko, Abdullah Abdulkhaliq Qazzaz, Aisha Hamed Al Khamisi, Amal Al-Mandhari, Amber Marie Hathcock, Aus N. Jamil, Borwon Wittayachamanakul, Bret A. Nicks, Carlos E. Vallejo-Bocanumen, Cem Oktay, Chih‐Hsien Chi, Conor Deasy, Craig Beringer, Doris Uwamahoro, Dorota Rutkowska, Erin L. Simon, Faith Joan Gaerlan, Frida Meyer, Immad S. Qureshi, Janet Lin, Jesús Daniel López Tapia, J. A. Kaplan, Keamogetswe Molokoane, Kuldeep Kaur, Lars P. Bjoernsen, Lisa Kurland, Matthew Chu, Miklos Szedlak, Mohamed Alwi Abdul Rahman, Mohan Kamalanathan, Vincent Ndebwanimana, Oscar Navea, Pariwat Phungoen, Pauline Convocar, Péter Vass, Philipp Martin, Rahim Valani, RAFAEL VITÓRIO DOS SANTOS, Ruth Hew Li-Shan, Sabrina Berdouk, Saleem Varachhia, Sam Thenabadu, Sameer Thapa, Sean M Kivlehan, Sofía Basauri, Syed Ghazanfar Saleem, Valerie F. Krym, Victor Lee, Wee Choon Peng Jeremy, Zsolt Kozma

Notice bibliographique

RevueInternational Journal of Emergency Medicine · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésCurriculumDelphi methodContext (archaeology)MedicineMedical educationSports medicineFamily medicinePsychologyPhysical therapyComputer sciencePedagogyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The International Federation for Emergency Medicine (IFEM) published its model curriculum for medical student education in emergency medicine in 2009. Because of the evolving principles of emergency medicine and medical education, driven by societal, professional, and educational developments, there was a need for an update on IFEM recommendations. The main objective of the update process was creating Intended Learning Outcomes (ILOs) and providing tier-based recommendations. METHOD: A consensus methodology combining nominal group and modified Delphi methods was used. The nominal group had 15 members representing eight countries in six regions. The process began with a review of the 2009 curriculum by IFEM Core Curriculum and Education Committee (CCEC) members, followed by a three-phase update process involving survey creation [The final survey document included 55 items in 4 sections, namely, participant & context information (16 items), intended learning outcomes (6 items), principles unique to emergency medicine (20 items), and content unique to emergency medicine (13 items)], participant selection from IFEM member countries and survey implementation, and data analysis to create the recommendations. RESULTS: Out of 112 invitees (CCEC members and IFEM member country nominees), 57 (50.9%) participants from 27 countries participated. Eighteen (31.6%) participants were from LMICs, while 39 (68.4%) were from HICs. Forty-four (77.2%) participants have been involved with medical students' emergency medicine training for more than five years in their careers, and 56 (98.2%) have been involved with medical students' training in the last five years. Thirty-five (61.4%) participants have completed a form of training in medical education. The exercise resulted in the formulation of tiered ILO recommendations. Tier 1 ILOs are recommended for all medical schools, Tier 2 ILOs are recommended for medical schools based on perceived local healthcare system needs and/or adequate resources, and Tier 3 ILOs should be considered for medical schools based on perceived local healthcare system needs and/or adequate resources. CONCLUSION: The updated IFEM ILO recommendations are designed to be applicable across diverse educational and healthcare settings. These recommendations aim to provide a clear framework for medical schools to prepare graduates with essential emergency care capabilities immediately after completing medical school. The successful distribution and implementation of these recommendations hinge on support from faculty and administrators, ensuring that future healthcare professionals are well-prepared for emergency medical care.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,042
score de la tête « metaresearch » (Gemma)0,065
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,223

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0420,065
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0020,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,460
Écart entre enseignants0,410 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Emergency MedicineMême sujetInnovations in Medical EducationTravaux en français237 207