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 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 | 0.006 | 0.027 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.009 | 0.015 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.000 |
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".