MétaCan
Menu
Retour à la cohorte
Enregistrement W4416851711 · doi:10.1186/s12909-025-08197-1

Differential attainment within medical education: a systematic review

2025· review· en· W4416851711 sur OpenAlexaboutno aff
Cynthia Cunningham, Lorraine Thong, David Mockler, Martina Hayes, Clíona Ní Cheallaigh, Susan M. Smith

Notice bibliographique

RevueBMC Medical Education · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueMedical Education and Admissions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEthnic groupSocioeconomic statusSystematic reviewNarrative reviewMEDLINEScale (ratio)Educational attainmentDifferential (mechanical device)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Differential attainment describes the systemic differences in outcomes when grouping cohorts by protected characterises and socioeconomic backgrounds. To date, most research studies have focused on a small number of characteristics and outcomes. This systematic review aimed to explore the association between a range of student/trainee characteristics and differential attainment in undergraduate and postgraduate medical education. METHODS: A systematic review was conducted and reported using the Preferred Reporting Items for Systematic Reviews and Meta Analyses (PRISMA) guidelines with searches conducted in May 2023. Outcome measures were assessment, progression through training, and qualification in medical students or trainee doctors. Specific characteristics included were age, disability, entry route to medicine, ethnicity, gender, religion and socio-economic status. The Cochrane RoB tool, the Newcastle-Ottawa Scale and the GRADE approach were applied. A narrative synthesis was conducted due to heterogeneity between studies. RESULTS: Ninety-five studies were included. The majority were observational. There were over 381,815 medical student and 395,191 trainee doctor participants across all studies. The certainty across included studies was low and results were heterogeneous. Most results focused on assessment, followed by progression, then qualification. Gender, ethnicity and age were most commonly studied. Mixed results were noted for gender with results suggesting an advantage for undergraduate females however, females took longer to complete postgraduate training, and males were more likely to be on a specialist register. Minoritised ethnicity was consistently associated with lower attainment across a large number of studies. Younger doctors consistently did better in postgraduate assessments. Only 32 studies examined other characteristics with mixed results for disability and entry routes to medicine. The impact of socioeconomic status varied, but lower status was associated with lower attainment at later career stages. CONCLUSION: Differential attainment is a complex, context-dependent phenomenon with multiple contributory factors that are challenging to disentangle. Despite low certainty of evidence, this review suggests that many characteristics do impact on outcomes in medical education. This warrants further investigation and indicates a need for monitoring and targeted differential attainment interventions to ensure equitable outcomes for medical students and doctors in training. REGISTRATION: This systematic review is registered on PROSPERO, accessible at https://www.crd.york.ac.uk/prospero/display_record.php?ID=CRD42023426933 . PROSPERO has been updated to reflect the progression of this review.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,060
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,060
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0100,010
Bibliométrie0,0110,013
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,456
Écart entre enseignants0,412 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Medical EducationMême sujetMedical Education and AdmissionsTravaux en français237 207