Medical knowledge decline: the role of active usage
Notice bibliographique
Résumé
This paper details the reason for the decline in medical knowledge after initial certification of physician assistants/associates (PAs) and suggests improvement in competency assessment after initial certification. We hypothesized that the decline was caused by less frequency of use; in other words, knowledge retention was impacted by the active use of knowledge. If so, the likelihood of a decline in knowledge is mediated by the closeness of the test content to the practitioners' daily practice. Data from Physician Assistants (PA) initial certification (PANCE) and re-certification (PANRE-LA, after 6 years) were used for the current study. To quantify the level of active usage, knowledge subdomains were classified into three categories for each medical specialty: dominant, relevant and distant, ranging from the most frequently used to the least used knowledge, which was verified by four independent board-certified PAs with clinical and educational experience. To test the hypothesis, Latent transition analysis (LTA) is used to measure the probability of transitions among behavioral patterns over time, in particular how various levels of transition probabilities (e.g., probability from proficient switching to non-proficient) are related to the frequency of use. We found that the trends of knowledge decline are influenced by practice profile (medical specialty), mainly, knowledge active in daily use (i.e., dominant knowledge) over time- the less frequent the knowledge is used, the more likely the knowledge decline will take place. In particular, compared to dominant knowledge (i.e., most frequently used knowledge), relevant knowledge (i.e., mediumly frequent used knowledge) and distant knowledge (i.e., rarely used knowledge) are more likely to decline (OR = 2.31, CI = [1.82, 2.94], p < 0.001; OR = 2.26, CI = [1.84, 2.78], p < 0.001). Moreover, dominant system knowledge has a better chance to improve over the years as compared to relevant and distant system knowledge (OR = 2.19, CI = [1.71, 2.81], p < 0.001; OR = 2.12, CI = [1.72, 2.65], p < 0.001). Instead of a uniform knowledge decay, medical practitioners suffer from a differential likelihood of knowledge decay over different systems knowledge. Implications for re-certification exams are discussed.
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 | 0,006 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».