MétaCan
Menu
← Retour à la cohorte
Enregistrement W4405249300 · doi:10.5489/cuaj.8947

Five years of competency-based medical education in Canadian urology

2024· article· en· W4405249300 sur OpenAlexaffvenueabout
David‐Dan Nguyen, Marie-Lyssa Lafontaine, Uday Mann, Nicolas Siron, Julien Letendre, Mélanie Aubé-Peterkin, Keith Rourke, Trustin Domes, Jason Y. Lee, Naeem Bhojani

Notice bibliographique

RevueCanadian Urological Association Journal · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensUniversity of SaskatchewanUniversity of AlbertaUniversité de MontréalMcGill UniversityPublic Health OntarioUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésUrologyMedicineMedical education

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: In 2018, competency-based medical education (CBME) was introduced to Canadian urology residency training. We examined learner and faculty experiences with CBME five years post-implementation. METHODS: Two online surveys were developed from a scoping review of CBME literature and expert consultation. They covered aspects including unintended consequences, satisfaction, and challenges. They were distributed to Canadian urology residency program directors, faculty, and senior residents from January to June 2023. Respondents rated agreement/satisfaction using a five-point Likert scale. Descriptive analyses considered scores of 4-5 as agreement/satisfaction and 1-2 as disagreement/dissatisfaction. RESULTS: Twenty-nine faculty members (including 10/13 [77%] program directors) and 33/63 (53%) senior residents responded. Overall, 69% of respondents are unsatisfied with CBME, 19% are neutral, and 11% are satisfied. Anxiety and/or fatigue with CBME are reported by 76% of faculty and 66% of residents. CBME is seen as burdensome: 61% of residents frequently trigger assessment requests, while 66% of faculty feel overwhelmed by the volume of requested assessments. Faculty members (83%) and residents (73%) find CBME time-consuming. Over 50% of respondents believe CBME failed to de-emphasize time-based learning, individualize progression, rapidly identify struggling residents, or improve feedback quality. Over 60% agree that CBME has clarified learning expectations and training stages. CONCLUSIONS: There is prevailing dissatisfaction with CBME within Canadian urology training programs, impacting the well-being of both faculty and residents while falling short of delivering personalized training; however, CBME has provided a structured and transparent framework for trainee advancement. Improvements to CBME are needed beyond its initial five 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.

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)0,005
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,945
Score d'incertitude au seuil0,399

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0050,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,279
Écart entre enseignants0,273 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Urological Association Journal→Même sujetInnovations in Medical Education→Travaux en français237 207→