Transformation and articulation of clinical data to understand students’ clinical reasoning: a scoping review
Notice bibliographique
Résumé
BACKGROUND: Despite the importance of effective educational strategies to promote the transformation and articulation of clinical data while teaching and learning clinical reasoning, unanswered questions remain. Understanding how these cognitive operations can be observed and assessed is crucial, particularly considering the rapid growth of artificial intelligence and its integration into health education. A scoping review was conducted to map the literature regarding educational strategies to support transformation and articulation of clinical data, the learning tasks expected of students when exposed to these strategies and methods used to assess individuals' proficiency METHODS: Based on the Joanna Briggs Institute methodology, the authors searched 5 databases (CINAHL, MEDLINE, EMBASE, PsycINFO and Web of Science), ProQuest Dissertations & Theses electronic database and Google Scholar. The data were synthesized narratively using descriptive statistics. RESULTS: A total of 38 articles were included in the final synthesis. Most studies were conducted in North America and Europe (n = 30, 79%) focused primarily on medical students (n = 35, 92%) and mainly used observational (n = 17, 45%) or methodological (n = 8, 21%) designs. Various educational strategies were identified, the most common were resolution of written or computerized case-based scenarios (n = 13; 52%) and simulated or real patient encounters (n = 6; 24%). The learning tasks comprised, among others, identifying key findings, translating clinical information, synthesizing cases aloud, and writing a summary statement. Furthermore, the review included assessment methods and rubrics with assessment criteria for clinical data transformation and articulation. The narrative synthesis shows positive results when integrating various educational strategies within clinical reasoning curricula compared to a single strategy used episodically. LIMITATIONS AND CONCLUSIONS: The varying objectives, diversity of educational strategies documented, and heterogeneity of the evaluation tools or rubrics limit our conclusions. However, insights gained will help educators develop effective approaches for teaching clinical reasoning. Additional research is needed to evaluate the impacts of educational strategies aimed at developing skills for the transformation and articulation of clinical data. CLINICAL TRIAL NUMBER: Not applicable.
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 | 0,045 | 0,169 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,036 | 0,030 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».