Performance of respiratory therapy programs in the Saudi Respiratory Care Licensure Examination: Cross-sectional national results
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Recently, there has been an increase in the number of respiratory therapy programs. However, a national consensus is lacking in intended learning objectives, appropriate teaching methods, and suitable assessment tools. Consequently, variations in outcomes among these programs are expected. Aim: To evaluate the performance of respiratory therapy programs in the Saudi Respiratory Care Licensure Examination (SRCLE). Methods: The SRCLE data were retrieved from the Saudi Commission for Health Specialties (SCFHS) database as of 18 March 2024. The datasets included the number of applicants, overall passing rates, maximum scores, and average scores. Data were categorized based on academic institution, including the type of university (governmental or private), nationality, gender, passing status, number of exam attempts, and year of examinations. Performance comparisons were conducted based on gender and year of examinations. Results: The database from the SCFHS shows that 1305 examinees underwent the SRCLEs from the second quarter of 2021 to the first quarter of 2024. Females accounted for 46% of the total, while Saudi examinees made up 97% of all applicants. The overall passing rate stood at 96%. The average score was 613, with the highest score recorded being 740. Notably, there was no significant difference in performance between males and females (p = 0.299). However, there was a considerable variance in performance based on the year of examination (p = 0.024). Conclusion: The existing data demonstrates that most respiratory therapy programs perform well in SRCLE. We found no significant differences based on gender or the type of school attended. Additionally, the performance of these programs has remained consistent over the years.
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.
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 découle