Competency in Orthopaedic Surgery: Student Perceptions and Objective Knowledge Assessment
Notice bibliographique
Résumé
Identifying knowledge gaps and predictors of performance are proven ways to implement changes to a curriculum. This cross-sectional study investigates the subjective and objective competency of 52 medical students at McGill University in musculoskeletal (MSK) medicine, with a focus on orthopaedic surgery. We surveyed medical students to assess their confidence levels in orthopaedic surgery and their perceptions of its teaching. The students then completed a 25-question orthopaedics-focused exam as an objective assessment of their knowledge. Descriptive statistics were calculated, exam performance was compared across academic years, predictors of exam scores were analyzed, and student self-assessment accuracy was evaluated. Students reported lower confidence in orthopaedic surgery than in many other specialties, exam scores varied significantly across academic years (p = 0.007), and predicted exam performance was the only significant predictor of test score in multiple linear regression (R2 = 0.313, p = 0.025). Calibration analysis revealed a substantial miscalibration, where students with higher predicted scores tended to overestimate their performance, while those with lower predictions tended to underestimate themselves (intercept = 27.2, slope = 0.54). A Bland–Altman plot demonstrated wide limits of agreement between predicted and actual scores (mean bias −1.2%, 95% LoA −35.0% to +32.6%). These findings highlight meaningful orthopaedic knowledge gaps and miscalibrated self-assessment, emphasizing the need for targeted, structured educational interventions in the MSK curriculum.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».