L’évaluation du raisonnement clinique des résidents en hématologie par l’approche de concordance de script
Bibliographic record
Abstract
La pratique de l’hématologie, comme celle de toute profession, implique l’acquisition d’un raisonnement adéquat. Se basant sur une théorie de psychologie cognitive, le test de concordance de script (TCS) a été développé et validé comme un instrument permettant d’évaluer le raisonnement clinique dans diverses spécialités médicales. Le but de cette étude était d’examiner l’utilité et les paramètres psychométriques d’un TCS en hématologie. Nous avons construit un TCS composé de 60 questions que nous avons administré à 15 résidents juniors (R1 à R3 en médecine interne), 46 résidents séniors (R4, R5 et R6 en hématologie) et 17 hématologues à travers le Canada. Après optimisation, le TCS comptait 51 questions. Sa consistance interne mesurée par le coefficient de Cronbach alpha était 0.83. Le test était en mesure de discriminer entre les résidents selon leur niveau de formation. Les questions contenant des images (n=10) semblaient avoir un potentiel discriminatoire plus élevé. Les scores obtenus par les résidents séniors corrélaient modéremment avec ceux obtenus à un test conventionnel d’hématologie composé de questions à choix multiples et à courte réponse (r de Pearson = 0.42; p=0.02). Le TCS a été complété en 36 minutes en moyenne et a été bien reçu par les participants. Le TCS est un instrument d’évaluation utile et valide en hématologie. Il peut être utilisé à des fins formatives en aidant au suivi de la progression des résidents. Il pourrait aussi être combiné à d’autres instruments d’évaluation à des fins sanctionnelles, ou encore, en éducation médicale continue.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.026 | 0.096 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".