Implementing a competency based medical education curriculum in diagnostic radiology: Challenges and Pearls of Wisdom
Notice bibliographique
Résumé
In 2014, The Royal College of Physicians and Surgeons of Canada (RCPSC) began a national initiative to rollout Competency-Based Medical Education (CBME) for all postgraduate medical programs. This represents a paradigm shift in the approach to resident training and transformative changes on many levels. In 2017, the department of Diagnostic Radiology at Queen's University became an early adopter of the CBME training model. The department began curricular planning using program specific Entrustable Professional Activities (EPAs), milestones based on the CanMeds roles, and an assessment framework. Associated processes were created to support implementation, with formation of a new competence committee, structure and process for academic advisors, and faculty development. In July 2018, the model was implemented using an electronic portfolio system, Elentra. In July 2022, the RCPSC launched the national implementation of their CBME CBD model, which was implemented for the incoming cohorts in the department of Diagnostic Radiology. Drawing from CBME implementation in the department of Diagnostic Radiology at Queen's University, we highlight the challenges encountered at our institution, methods for addressing these challenges, and corresponding outcomes. From our experience, we aim to provide a roadmap for the reader that will aid in planning for CBME implementation at other institutions.
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 | 0,002 | 0,083 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».