Perspectives on Involving Patients in the Teaching and Assessment of Entrustable Professional Activities in Competence by Design
Notice bibliographique
Résumé
BACKGROUND: Involving patients in teaching and assessing entrustable professional activities (EPAs) within competency-based medical education (CBME) enhances the authenticity of postgraduate medical education and helps develop learners' skills. However, CBME, including Competence by Design in Canada, lacks clear guidance on involving patients. This study examines faculty members' perspectives on involving patients in teaching and assessing EPAs. METHODS: We conducted semistructured interviews with 25 faculty members from 14 Canadian medical schools across eight residency specialties. We asked participants how they envisioned patients being involved in teaching and assessing EPAs during EPA creation, how they thought patients could contribute to teaching and assessing EPAs, and what they perceived as barriers. We analysed the data thematically. FINDINGS: Faculty members view patients as subjects for teaching EPAs rather than as teachers of EPAs. However, they noted that patients can teach aspects of EPAs through storytelling, if provided the opportunity. They recognized the value of patients as assessors, particularly in formative assessments of learners' nontechnical skills embedded within EPAs. Nevertheless, they expressed concerns about patient involvement in summative assessments and a lack of EPAs focusing on skills that patients can assess. They noted several barriers to involving patients in teaching and assessing EPAs. CONCLUSION: Our study underscores the pressing need for change and the crucial role of more explicit guidance on involving patients in teaching and assessing EPAs. This is not just a matter of academic interest, but a step towards enhancing the quality of medical education.
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 | 0,005 | 0,004 |
| 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 | 0,001 |
| 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 ».