Performance indicators for manual therapy skills required of chiropractic students at the start of their senior internship: a modified Delphi study
Notice bibliographique
Résumé
This dataset presents information related to a modified Delphi study conducted to identify key performance indicators in chiropractic education. The goal of the study was to reach expert consensus on which clinical behaviors junior interns should demonstrate before entering their senior internship. Experts were recruited from four stakeholder groups: students, recent graduates, faculty members, and clinical supervisors. An initial list of 124 performance indicators was refined through three rounds of online surveys conducted between June and November 2023. Experts rated each indicator, provided qualitative feedback, and helped prioritize educational strategies. Between 26 and 30 participants completed each round. The final dataset includes: (1) the initial and final lists of performance indicators; (2) expert ratings and comments for each round; (3) the subset of indicators that reached consensus as critical priorities for curriculum development. The data are both qualitative and quantitative in nature, and provide a foundation for improving student readiness, clinical competence, and patient safety in chiropractic education.// Ce jeu de données présente les informations liées à une étude Delphi modifiée visant à identifier les principaux indicateurs de performance en formation chiropratique. L’objectif de l’étude était d’obtenir un consensus d’experts sur les comportements cliniques que les stagiaires juniors doivent démontrer avant d’entreprendre leur internat senior. Des experts issus de quatre groupes de parties prenantes ont été recrutés : étudiants, diplômés récents, membres du corps professoral et superviseurs cliniques. Une liste initiale de 124 indicateurs de performance a été raffinée au cours de trois rondes de sondages en ligne menées entre juin et novembre 2023. Les experts ont évalué chaque indicateur, formulé des commentaires qualitatifs et identifié des priorités pour orienter les stratégies pédagogiques. Entre 26 et 30 participants ont complété chaque ronde. Le jeu de données final comprend : (1) les listes initiale et finale des indicateurs de performance ; (2) les évaluations et commentaires des experts pour chaque ronde ; (3) le sous-ensemble d’indicateurs ayant atteint un consensus comme priorités critiques pour le développement curriculaire. Les données recueillies sont de nature à la fois qualitative et quantitative, et constituent une base pour améliorer la préparation des étudiants, la compétence clinique et la sécurité des patients en formation chiropratique. // Ethical considerations prevent this dataset from being publicly available. The participants did not consent to having their depersonalized data shared openly. You may click on the “Contact owner” button to request access under specific conditions. // Des considérations éthiques empêchent la mise à disposition publique de ce jeu de données. En effet, les participantes et participants n'ont pas consenti à ce que leurs données dépersonnalisées soient rendues accessibles publiquement. Vous pouvez cliquer sur « Contacter le ou la propriétaire » pour en faire la demande, sous certaines conditions.
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 | 0,035 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».