这是一篇开放获取的文章,根据创作共用署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是原始作品(首次发表在《参与医学杂志》上)被适当引用。必须包括完整的书目信息,https://jopm.www.mybigtv.com上的原始出版物的链接,以及此版权和许可信息。
标准化患者(SPs)是多个小型面试(MMIs)中的重要利益相关者,这些面试越来越多地用于评估医学院申请人的人际交往能力。然而,几乎没有证据表明它们被纳入仪器的开发。
本研究旨在描述过程并评估让sp共同设计和共同创建一个全球测量问题的影响,以评估医学院申请人对医学院的准备情况和接受状况。
本研究采用探索性、序贯性和混合方法的研究设计。首先,我们评估了初始的MMI计划,并确定了接下来的质量改进步骤。其次,我们与卫生服务提供商举行了合作研讨会,共同制定评估问题和回答选项。第三,我们根据2018-2019学年开始的3组申请人的1084名申请人的数据,通过统计测试评估了创建的问题和额外的MMI条目。使用Cronbach α检验测量MMI的内部可靠性,并使用正向逐步二元逻辑回归检验其对入院状态的预测。
项目评估表明,需要一个额外的定量问题,以评估申请人对医学院的准备情况。总共有3名模拟专家、2名研究人员和21名SPs参加了研讨会,最终得出了全球评估问题和回答
该项目的利益相关者(包括非学术界人士和研究人员)之间的合作性质对该项目的成功至关重要。sp创建的问题对预测医学院录取的最终模型有重大影响。这一发现表明,SPs带来了一个批判性的视角,可以改善评估医学院申请人的过程。
在医学教育中,为积极学习和评估目的而接受训练以以现实的方式持续和重复地扮演一个角色的人被称为标准化患者(sp)或模拟参与者[
在我们的机构,我们的sp团队与模拟中心的工作人员合作,为学习者创造一个安全的环境,让他们可以失败和犯错。医学实践是复杂而微妙的,这要求医生具备跨文化与患者及其家属合作的技能和能力,以每天做出生死决定。仅仅在教室里学习这些必要的技能是很难的;需要在模拟环境中对可评估技能进行实际和实践的应用。模拟环境不仅是一个学习和练习技能和能力的地方,也是一个失败和犯错误的地方。这种安全和模拟的环境是教育富有同情心和有能力的未来医生的基本环节。
模拟中心演示和招聘活动,以及现有SPs或工作人员的推荐,允许在我们的机构合并新的SPs。作为sp加入模拟中心团队的人来自各行各业,代表着不同的人口统计数据、工作历史和经验。所有sp都经过训练,能够在模拟体验或场景中准确一致地重现实际患者的历史、性格、身体状况、情绪结构和反应模式。他们还接受培训,以评估学习者的表现,并以建设性的方式为学习者提供个性化的反馈。培训结束后,SPs与工作人员合作,向学习者提供医疗场景,目标集中在技能发展上。同样重要的是非医学场景,侧重于语言和非语言沟通技能的发展。在非医学场景中,他们通过实际应用、评估和主动学习来教授学生。因此,SPs与医学院的其他教职员工共同教育和共同培养这些学习者成为未来的医生。此外,他们不仅在教育经历中帮助学习者,而且在医学院招生过程中也是核心团队成员。
许多医学院已经开始采用全面的招生程序。这一过程可包括通过多个小型面试(MMIs)评估申请人的非认知技能,如道德推理和人际沟通[
将利益攸关方纳入影响其本国人口的干预措施的设计和实施,可以产生更有力的结果[
本研究采用参与性、探索性、顺序性和混合方法设计(
说明参与性、探索性、顺序性和混合方法的设计流程。MMI:多次迷你面试;SP:标准化患者。
最初的MMI流程是在2016-2017招生周期实施的[
MMI项目和评估的时间表,从2016年开始,通过项目评估和3个队列进行分析。MMI:多次迷你面试;SP:标准化患者。
SPs、模拟中心工作人员和招生委员会成员在2017-2018年周期后参加了MMI计划的评估。该评估包括对MMI标准和招生委员会文件的审查,以提高质量。根据评估结果,与卫生服务提供商合作,共同创建一个附加的评估标准,可以改善MMI计划。
对于医学院招生过程中参与MMI的SPs,模拟专家和研究人员于2018年8月举办了一次研讨会,以共同创造和改进标准。工作坊包括一个简短的教学环节,并由sp积极参与。在讲座期间(
在完成演示后,sp被分成小组,并有大约30分钟的时间来提出一个问题和相应的回答。创建的问题被写在大纸条上,放在墙上和房间的两个屏幕上。随后,所有人被重新召集成一个大小组,讨论提出的问题。投票和进一步的讨论导致了一个单一的sp创建的问题。一旦问题最终确定,sp就会被分为两组,为新创建的问题编写回答选项。合作讨论、投票和编辑导致了一组共同设计的回应选项。
定量数据从各种来源收集,包括1084份医学院申请、MMI流程表和3个队列的录取状态:(1)2018-2019年、(2)2019-2020年和(3)2020-2021年。申请人的人口统计数据是从学校申请中收集的。我们为个别申请人提供了每个MMI类别的4次SP经历的平均值。录取情况分为3类:被录取、被拒绝或等待名单(被审核的申请人等待被接受之前撤回申请的人考虑)。候选申请人被排除在回归模型之外。总共有3名申请人没有列出入学或入学状况,因此被排除在分析之外。
采用SPSS软件(version 26;IBM公司)。描述性统计包括频率、平均值、SDs和百分比。MMI的内部一致性信度使用Cronbach α检验来测量,评估MMI中的所有10个变量:(1)开放会面,(2)共情,(3)非语言行为,(4)言语行为,(5)倾听良好,(6)治疗关系,(7)计划谈判,(8)结束会面,(9)准备程度,(10)招生委员会成员。为了确定sp是否可能受到申请人人口统计数据的影响,对申请人的年龄、性别和医学代表性不足(URM)状态(二分是/否)进行了MMI平均分数(不包括招生委员会成员分数)的回归(多元线性回归)。最后,我们试图确定医学院录取状况是否可以基于sp评分MMI(9个变量)中的变量进行预测。采用正向逐步二元逻辑回归,从以下MMI候选变量中识别接受状态(接受或拒绝)的可能预测因素:会面的开始、共情、非语言行为、言语行为、倾听能力、治疗关系、计划谈判、结束会面和准备程度。正向逻辑回归使用似然比检验从模型中输入或删除变量。
该项目的伦理监督由南卡罗来纳大学的机构审查委员会(Pro00069266)进行。
来自sp、模拟中心工作人员和招生部门的反馈显示,检查表的标题(
参加研讨会的有3名模拟专家、2名研究员和21名SPs。SPs的平均年龄为53.1岁(SD 12.43;范围27-70岁),大多数是女性(16/ 21,76%),拥有学士学位或更高学位(18/ 21,86%)。sp创建的6个问题列在
在讨论结束时,投票结果是问题6和问题4分别获得10票和9票(21名sp中有2人在投票过程前必须离开研讨会)。进一步的讨论导致了“打破僵局的投票”,第6题成为首选。然而,SPs认为这两个问题都有一些方面需要强调。因此,两个问题合并为一个问题,形成了一个综合的全局问题:
如
由标准化患者提出的原始问题。
组数 | 问题 |
1 | 基于这种互动,你认为申请人作为一名医科学生可能有多成功? |
2 | 这个候选人会是一个成功的一年级医学生吗? |
3. | 你认为这个学生表现出了一个成功的医科学生的特征吗? |
4 | 这位候选人表现出的沟通和人际交往能力如何,这将使他/她在医学院取得成功? |
5 | 你认为申请人会成为一名成功的医科学生吗? |
6 | 评估应聘者进入医学院的准备程度。 |
针对已开发准备问题的标准化患者自行开发的反应选项。
排名得分 | 响应选项集1 | 响应选项集2 | 最终响应选项集 |
排名5 | 模范 | 异常/不寻常的准备 | 异常/不寻常的准备 |
排名4 | 准备好小问题 | 先进/强大和敬业 | 先进/强大和敬业 |
排名3 | 准备好了一些担忧 | 足够的基础/地址 | 精通/地址基础知识 |
排名2 | 严重关切 | 最小的 | 最小的准备 |
排名1 | 没有准备好 | 没有证明 | 没有表现出准备 |
按队列年份对受访者进行描述性统计。
变量 | 2018 - 2019 (n = 383) | 2019 - 2020 (n = 360) | 2020 - 2021 (n = 341) | 总(N = 1084) | |||||
|
|||||||||
|
女 | 201 (52.5) | 192 (53.3) | 196 (57.5) | 589 (54.3) | ||||
|
男性 | 182 (47.5) | 166 (46.1) | 145 (42.5) | 493 (45.5) | ||||
|
宁愿不回答 | 0 (0) | - - - - - -一个 | 0 (0) | - - - - - - | ||||
年龄(年),平均值(SD) | 25.44 (2.95) | 24.92 (2.62) | 23.68 (2.74) | 24.71 (2.87) | |||||
|
|||||||||
|
总计 | 57 (14.9) | 73 (20.3) | 88 (25.8) | 218 (20.1) | ||||
|
非裔美国人或黑人 | 32 (8.4) | 43 (11.9) | 60 (17.6) | 135 (12.5) | ||||
|
美国印第安人或阿拉斯加原住民 | - - - - - - | - - - - - - | - - - - - - | 8 (0.7) | ||||
|
西班牙裔或拉丁裔 | 22日(5.7) | 27日(7.5) | 23日(6.7) | 72 (6.6) | ||||
|
多种族或混合种族 | - - - - - - | - - - - - - | - - - - - - | - - - - - - | ||||
开启遭遇战,平均值(SD) | 4.13 (0.60) | 4.28 (0.61) | 4.18 (0.56) | 4.19 (0.59) | |||||
共情,刻薄(SD) | 3.85 (0.75) | 3.93 (0.76) | 4.12 (0.61) | 3.96 (0.72) | |||||
非语言行为(SD) | 4.57 (0.44) | 4.49 (0.56) | 4.24 (0.63) | 4.44 (0.56) | |||||
言语行为,均值(SD) | 3.97 (0.44) | 3.93 (0.62) | 4.10 (0.50) | 4.00 (0.57) | |||||
善于倾听,用心(SD) | 3.69 (0.51) | 3.71 (0.51) | 4.02 (0.50) | 3.80 (0.53) | |||||
治疗关系,平均值(SD) | 4.30 (0.69) | 4.24 (0.73) | 4.35 (0.61) | 4.30 (0.68) | |||||
方案协商,平均值(SD) | 2.03 (0.64) | 2.14 (0.62) | 2.75 (0.68) | 2.30 (0.68) | |||||
结束遭遇战,平均值(SD) | 3.46 (0.63) | 3.54 (0.66) | 3.71 (0.57) | 3.56 (0.63) | |||||
准备程度,平均(SD) | 3.38 (0.53) | 3.46 (0.57) | 3.52 (0.48) | 3.45 (0.53) | |||||
招生委员会成员成绩 |
3.64 (0.92) | 3.36 (0.92) | 3.45 (0.82) | 3.48 (0.90) | |||||
|
|||||||||
|
接受 | 199 (52) | 187 (51.9) | 207 (60.7) | 593 (54.7) | ||||
|
拒绝 | 122 (31.9) | 146 (40.6) | 111 (32.6) | 379 (35) | ||||
|
候选名单上的 | 62 (16.2) | 27日(7.5) | 23日(6.7) | 112 (10.3) |
一个n≤5的细胞被抑制以保护个体的身份。
通过Cronbach α的0.877(所有年份之和)、0.89(2018-2019年)、0.90(2019-2020年)和0.87(2020-2021年)确定,10个变量的MMI总体上具有较高的内部一致性。
我们进行多元回归,从年龄、性别和URM状态预测平均MMI评分。所有队列的多元回归模型预测平均MMI评分(
虽然MMI平均分用于招生委员会的讨论,但这项分析的目的是确定MMI中每个变量对录取决定的影响有多大——具体来说,是为了确定是否应该选择医学院的准备情况作为预测变量。进行了正向逐步二项逻辑回归,以确定MMI变量(开始接触、共情、非语言行为、言语行为、倾听能力、治疗关系、计划谈判、结束接触和准备程度)对申请人被医学院录取可能性的影响。为所有队列组合和每个队列单独建立模型。
MMI平均值的多元回归结果。
MMI一个平均 | Unstandardized系数 | 标准化系数(β) |
|
Δ |
|
|||||||||||||||||
|
B | 95%可信区间 | SE |
|
|
|
|
|||||||||||||||
|
0.08 | 0.07 | <措施 | |||||||||||||||||||
|
常数 | 2.63 | 2.19 - -3.06 | 0.22 | N/Ab |
|
|
<措施 | ||||||||||||||
|
性c | 0.16 | 0.07 - -0.25 | 0.05 | 0.17 |
|
|
<措施 | ||||||||||||||
|
年龄 | 0.03 | 0.02 - -0.05 | 0.01 | 0.22 |
|
|
<措施 | ||||||||||||||
|
阶层d状态 | 0.08 | -0.05到0.21 | 0.07 | 0.06 |
|
|
. 21 | ||||||||||||||
|
0.04 | 0.04 | <措施 | |||||||||||||||||||
|
常数 | 3.59 | 3.07 - -4.10 | 0.26 | N/A |
|
|
<措施 | ||||||||||||||
|
性c | 0.17 | 0.07 - -0.27 | 0.05 | 0.18 |
|
|
<措施 | ||||||||||||||
|
年龄 | -0.00 | -0.02 ~ 0.02 | 0.01 | -0.02 |
|
|
开市 | ||||||||||||||
|
阶层的地位 | 0.12 | 0.01 - -0.26 | 0.06 | 0.11 |
|
|
.04点 | ||||||||||||||
|
0.017 | 0.009 | 点 | |||||||||||||||||||
|
常数 | 3.65 | 3.18 - -4.12 | 0.24 | N/A |
|
|
<措施 | ||||||||||||||
|
性c | 0.11 | 0.01 - -0.21 | 0.05 | 0.11 |
|
|
.04点 | ||||||||||||||
|
年龄 | 0.00 | -0.02 ~ 0.02 | 0.01 | 0.02 |
|
|
.76 | ||||||||||||||
|
阶层的地位 | 0.06 | -0.06到0.17 | 0.06 | 0.06 |
|
|
收 | ||||||||||||||
|
.035 | .032 | <措施 | |||||||||||||||||||
|
常数 | 3.38 | 3.11 - -3.64 | 0.14 | N/A |
|
|
<措施 | ||||||||||||||
|
性c | 0.15 | 0.09 - -0.20 | 0.03 | 0.15 |
|
|
<措施 | ||||||||||||||
|
年龄 | 0.01 | -0.002到0.02 | 0.01 | 0.05 |
|
|
.14点 | ||||||||||||||
|
阶层的地位 | 0.11 | 0.04 - -0.18 | 0.04 | 0.09 |
|
|
.003 |
一个MMI:多次迷你面试。
bN/A:不适用。
c关于性的2个“倾向于不回答”的回答从分析中删除。
dURM:在医学上代表性不足。
正向逐步logistic回归预测医学院录取的可能性。
组,模型 | B | SE | Exp (B) | Exp的95% CI (B) | ||||||
|
||||||||||
|
|
|||||||||
|
|
准备程度 | 1.083 | .246 | 2.954 | 1.825 - -4.782 | ||||
|
|
常数 | -3.162 | .830 | .042 | N/A一个 | ||||
|
||||||||||
|
|
|||||||||
|
|
准备程度 | .948 | .212 | 2.580 | 1.702 - -3.912 | ||||
|
|
常数 | -3.023 | .739 | .049 | N/A | ||||
|
|
|||||||||
|
|
协商计划 | .547 | .215 | 1.728 | 1.133 - -2.637 | ||||
|
|
准备程度 | .685 | .234 | 1.983 | 1.253 - -3.139 | ||||
|
|
常数 | -3.275 | .752 | .038 | N/A | ||||
|
||||||||||
|
|
|||||||||
|
|
治疗关系 | .787 | .201 | 2.196 | 1.480 - -3.258 | ||||
|
|
常数 | -2.791 | .878 | .061 | N/A | ||||
|
|
|||||||||
|
|
开启遭遇战 | -.583 | 打击率 | .558 | .328 -.951 | ||||
|
|
治疗关系 | 1.093 | .251 | 2.984 | 1.823 - -4.884 | ||||
|
|
常数 | -1.685 | 1.020 | 全 | N/A | ||||
|
|
|||||||||
|
|
开启遭遇战 | -.792 | .296 | .453 | .254 -.808 | ||||
|
|
同理心 | .552 | .278 | 1.736 | 1.006 - -2.997 | ||||
|
|
治疗关系 | .834 | .282 | 2.303 | 1.325 - -4.000 | ||||
|
|
常数 | -1.940 | 1.035 | .144 | N/A | ||||
|
||||||||||
|
|
|||||||||
|
|
同理心 | .688 | .097 | 1.989 | 1.644 - -2.406 | ||||
|
|
常数 | -2.265 | .388 | .104 | N/A | ||||
|
|
|||||||||
|
|
同理心 | .414 | .132 | 1.513 | 1.169 - -1.958 | ||||
|
|
准备程度 | .552 | .183 | 1.737 | 1.213 - -2.489 | ||||
|
|
常数 | -3.087 | .479 | .046 | N/A | ||||
|
|
|||||||||
|
|
开启遭遇战 | -.334 | .155 | .716 | .529 -.971 | ||||
|
|
同理心 | .519 | .141 | 1.681 | 1.275 - -2.216 | ||||
|
|
准备程度 | .690 | .195 | 1.993 | 1.360 - -2.921 | ||||
|
|
常数 | -2.573 | 相当 | .076 | N/A |
一个N/A:不适用。
对于2018-2019年队列,该模型具有统计学意义,(
对于2019-2020年队列,最终模型具有统计学意义(
对于2020-2021年队列,最终模型具有统计学意义(
所有队列合并的最终模型具有统计学意义(
在这项研究中,我们证明了sp能够开发一个有用的、可信的和相关的衡量标准,可以帮助医学院招生委员会评估申请人的学术成就之外的申请人。虽然MMI只是医学院申请人整体审查中使用的数据的一部分,但它对检查MMI在医学院招生中的影响和过程是有用的。此外,创建的全球准备问题被纳入MMI流程,有助于选择医学院候选人。
从2018-2019年申请周期开始,模拟专家将修订后的准则与准备问题整合到MMI的培训和实施中。参与MMI的SPs成功地采用了这一过程。当sp开始使用定量评分申请人准备程度的新方法时,他们发现这1个问题比为每个申请人提供定性反馈更有效。由于与申请人会面之间只有大约3分钟的时间,准备问题可以让服务提供商提供更简洁的反馈,而不会匆忙。
让利益相关者参与调查和评估工具的开发在模拟中心之外的其他环境中非常有用,并导致了可信和相关的工具[
研讨会的结果对模拟专家产生了积极的影响,为所有申请人提供了标准化的评分机会。标准化培训对这一角色至关重要。由于研讨会的合作性质,模拟专家能够强调sp的声音和评估工具的一致使用的价值,这与在其他环境中的发现是一致的[
我们的结果表明,总体的MMI和准备问题能够预测医学院的接受程度。这一发现与之前的研究结果一致,即sp能够评估学生的沟通技能[
虽然MMI准备得分排名在预测申请人进入医学院的总体录取情况以及2018-2019年和2019-2020年队列中具有统计学意义,但2020-2021年队列中并非如此。对这种缺乏意义的一个潜在解释是,由于COVID-19大流行,整个周期都是以基于网络的形式进行的。题目没有改变,以反映网络面试环境,这可能会导致一些差异。例如,学生在网络环境中无法完成的任务(例如,在进入之前敲门)会自动得分。此外,评估非语言行为具有挑战性,如使用面对面或基于网络的MMIs的队列之间的得分差异所示(
尽管SPs有能力制定衡量标准,但在MMI之外,还有其他几个因素在招生选择过程中发挥着作用,包括但不限于平均绩点、医学院入学考试分数、推荐信、个人陈述和旅行距离(克服逆境或障碍)。这些额外的因素没有包括在模型中。虽然MMI的SP部分在预测接受度方面表现出色,但总体和每个队列的特异性都很低。申请的其他因素可能会对被拒绝的申请人产生更大的影响。虽然统计分析的实际结果可能无法推广到其他环境,但从创建测量仪器时让患者和公众参与的过程中吸取的经验教训可以使其他机构受益。
当基于网络的MMI成为标准时,用于MMI的标准规则可能需要修改,以删除不能在网络上执行的项目(例如,敲门,适当的触摸和保持个人空间)。这一潜在的、经过修订的标准也可用于评估远程医疗接触期间的学习者,需要对新的标准进行评估。此外,在标准SP接触和客观结构化临床检查中,没有最终准备问题的MMI标准目前被用作评估学习者的沟通标准。全球问题是专门为SPs确定申请人是否准备好进入医学院,因此不应用于已被录取的学生。但是,与卫生服务提供商重复举办讲习班,为传播准则确定一个全球性问题可能是有益的。最后,可以进行一项额外的调查,以了解入学学生的MMI分数与他们在医学院期间的未来沟通分数如何进行比较。
该项目的利益相关者(包括非学术界人士和研究人员)之间的合作性质对该项目的成功至关重要。这项研究表明,SPs带来了一个批判性的视角,可以通过MMI流程改善评估医学院申请人的录取过程。他们还可以通过共同创建一个有效的全局问题来提高对申请人的评估,从而进一步将自己纳入团队成员。
针对标准化患者的研讨会演示,为多个小型访谈创建一个全球评估量表。
多个迷你面试规则,车间前和车间后。
多次小型面试
标准化病人
医学界代表性不足
我们感谢所有模拟专家和标准化患者,自2016年项目开始以来,他们帮助指导了多次小型访谈过程。此外,我们还要特别感谢Amanda Piekutowski在需要时对数据进行分析和解释。最后,如果我们不感谢学生事务和招生办公室以及招生委员会的所有工作人员,他们深谋远虑,整合了多个小型面试,创建了一个全面的申请人审查。
对于这篇论文,我们包括了作者过程中所有利益相关者的代表,包括学生(在校生、预科生和申请人)、模拟专家、标准化患者、研究人员、招生委员会成员和招生部门工作人员。
没有宣布。