Análisis de los Cursos de Posgrado de Alta Especialidad en Medicina en México, respecto al contexto internacional
Bibliographic record
Abstract
Introducción: La formación de profesionales en el área de la medicina, está inmersa en los procesos de enseñanza-aprendizaje-evaluación que dependen del modelo pedagógico curricular que se adopte, y el enfoque epistemológico del profesor.
 Objetivo: Presentar el estado actual de los programas de los Cursos de Posgrado de Alta Especialidad en Medicina (CPAEM) de la UNAM con respecto al contexto internacional, y hacer un análisis comparativo.
 Método: Revisión (búsqueda de literatura científica publicada en español e inglés, en bases de datos Medline, Embase y Eric, mediante las palabras clave educación médica superior, competencias profesionales, aprendizaje en medicina y evaluación del desempeño) narrativa de un diseño curricular por competencias. Las estrategias de búsqueda se realizaron en Medline, Embase, y se comparó con lo desarrollado en los CPAEM.
 Resultados: Los modelos de competencias avalados por el ACGME, The Royal College of Physicians and Surgeons of Canada, The Australian Medical Council, el Ministerio de Salud de China y todos los organismos reguladores en el mundo, reportan una asociación directa en el rendimiento general, área de seguridad del paciente, mejora en el número de reportes de eventos de seguridad del paciente con el desarrollo de las competencias de los médicos.
 Discusión: A nivel internacional se ha trabajado sobre una visión integradora para el desarrollo de las competencias efectivas; sin embargo, aún existen desafíos por desaresolver. Es necesario desarrollar un consenso sobre las competencias genéricas y específicas para los sistemas de salud, que contribuya a mejorar la calidad en la formación médica a nivel mundial
 Conclusiones: Es necesario replantear los programas de los CPAEM de acuerdo a nuestras necesidades de atención a la salud y al contexto internacional.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.000 | 0.002 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.002 | 0.000 |
| Research integrity | 0.001 | 0.004 |
| Insufficient payload (model declined to judge) | 0.008 | 0.002 |
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; both teacher heads agree on what is shown here.
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".