條文本
摘要
目標近年來,人們一直在討論大學入學考試對醫學院的作用。在意大利的2014-15學年,幾名未能通過入學考試的學生向地區行政法院(“Tribunale Amministrativo Regionale”-TAR)提出上訴,盡管他們的考試成績不高,但他們都被錄取了各自的課程。這個學生群體的存在產生了一個對照組,以評估入學考試的預測能力。目前工作的目的是討論大學入學考試預測後續學業成功的能力。
設置和參與者該研究涉及了都靈大學(莫裏內特學院和聖路易吉貢紮加學院)2014-15學年醫學學位課程第一學年的683名學生。這些學生被分為兩類:通過入學考試的(n1=531)和未通過入學考試但在TAR上訴中勝訴的(n2=152)。
結果采用特異性、敏感性、正、負似然比(LH+, LH−)、受試者工作特征(ROC)曲線、ROC曲線下麵積(AUC)和相對(95% CI)分析入院試驗的有效性。
結果結果表明,入學考試是預測第一學年學習成績的良好工具(AUC=0.70, 95% CI 0.64 ~ 0.76)。此外,一些學科領域似乎比其他學科領域有更強的辨別能力。總的來說,科學問題得分高的學生在第一年更有可能達到要求的標準(LH+ 1.22, 95% CI 1.14 ~ 1.25)。
結論基於一致的統計方法,我們的研究似乎證實了入學考試能夠預測都靈醫學院第一年的學業成就。
- 入學考試
- 醫學學位課程
- 學術表現
- roc曲線
- 診斷測試的有效性
- 都靈大學
這是一篇根據創作共用署名非商業性(CC BY-NC 4.0)許可發布的開放獲取文章,該許可允許其他人以非商業性的方式發布、混編、改編、構建本作品,並以不同的條款許可其衍生作品,前提是原始作品被正確引用且使用是非商業性的。看到的:http://creativecommons.org/licenses/by-nc/4.0/
來自Altmetric.com的統計
本研究的優勢和局限性
這是第一項基於一致統計方法的研究,在意大利大學進行,以評估意大利大學入學考試的可靠性。
TAR(“行政區域法庭”)控製組的存在提高了結果的可靠性。
兩組的可比性:普通學生和TAR學生的注冊年份、課程、課程、教師和教室是相同的,因此兩組的比較非常有效。
需要進行進一步的調查,以便在較長一段時間內分析這兩組人。
這裏隻研究了測試的預測能力與基礎課程學習成績的關係;在這項研究中,沒有考慮到與臨床技能的關係。
簡介
近年來,對高等學曆日益增長的需求造成了經濟和技術方麵的問題。事實上,正如Reibnegger和他的同事所討論的,1教室、實驗室、基礎設施、技術人員和教師的數量必須同時增加,以便在不影響教學質量的情況下管理大量學生。此外,青年失業的水平對畢業生的數量和質量提出了就業機會方麵的重要問題,這表明需要更嚴格的甄選程序。
近年來,在歐洲,大學入學考試的用處,特別是醫學學位課程的用處,已經被廣泛討論1 - 3在其他大陸也是如此。4美國是第一個在學生選拔過程中使用入學考試的國家(例如,1928年的莫斯考試),多年來出現了不同的版本。最近的考試是MCAT(醫學院入學考試),創建於2007年,現在被北美幾乎所有的大學采用。2至於歐洲國家,到目前為止還沒有製定任何標準。歐洲聯盟隻就教育質量提供了一般性建議,這些建議指向逐步標準化。因此,每個國家都可以采取個性化的行動:英國(UKCAT)3.-英國臨床應用測試)和奧地利1愛爾蘭測試是2006年創建的22009年製定了衛生專業入學考試,而法國從未實行過入學考試,而是傾向於直接禁止在第一學年結束時未達到標準的學生繼續學習課程。5還考慮了其他方法,包括完全開放的課程獲取(例如,2002年之前在奧地利采用的方法)。1隨機選擇(如荷蘭直到1999年)。6在意大利,入學考試於1987年由Zecchino(公共教育部長)提出,並於1999年作為法律引入(264/99)。所需的技能,以及如何測試它們,因國而異(表1).
在Prideaux中可以找到對測試類型的很好的回顧等.4簡單地說,測試可以分為認知測試、非認知測試、筆試和麵試。此外,在某些情況下(美國、英國、澳大利亞、加拿大、新西蘭和南非),對少數民族和處境不利的群體給予了相當大的重視,以便利他們的進入。總的趨勢是使用書麵認知測試,而幾乎所有人都避免麵試4因為它們的預測能力較差,而且更耗時間和金錢。在意大利,該考試由教育、大學和研究部(Ministero dell 'Istruzione, dell 'Università e della Ricerca-MIUR)在全國範圍內對公立大學進行管理。考試采用筆試形式,包括60道選擇題(MCQs),考生要在限定的時間內回答完7(見表1詳情)。此外,為處境不利的群體和非意大利人保留名額,保障了他們的機會。
在意大利,一場關於現狀和改進入學考試可能性的辯論正在進行。因此,有必要調查入學考試的結果如何能預測學業成功。事實上,許多歐洲研究都強調了入學考試成績和學習成績之間的緊密關係,3 8個人技能2和動機水平。1然而,其他作者(如耶茨等9)對相同的測試報告了不一致的結果。這些研究的絕大多數是關於意大利以外的情況。6 - 12因此,關於意大利入學考試結果的文獻非常稀少,而且不是專門針對醫學的(參見Lancia等13關於護士和曼妮拉14獸醫)。因此,目前的統計研究(雖然隻涉及一所大學)對討論入學考試對意大利和非意大利讀者的有用性作出了重要貢獻。
另一個需要考慮的問題是,過去大多數研究都存在選擇偏差,即缺乏足夠的對照組。事實上,隻有通過入學考試的學生的成績才能被考慮在內(因為那些沒有通過考試的學生不能被大學錄取),並且隻能與之前的同齡人(即沒有通過考試就進入大學的學生)進行比較。1;然而,在這種情況下,沒有關於對照組的分數的信息。
在意大利,2014-15學年,許多未能通過入學考試的學生向地區行政法院(Tribunale Amministrativo regional - tar)提起上訴,理由是考試中可能出現違規行為。法院根據“假定侵犯匿名原則”受理了遞歸學生的上訴,並允許他們進入各自的課程。這種“非同尋常”的情況產生了一個“控製組”學生(考試成績較低),用於評估入學考試的可預見性。
目標
本研究的目的是利用都靈大學2014 - 2015年的學生群體,評估醫學學位課程的大學入學考試是否能夠預測醫科學生隨後的學業成功
方法
設置
2016年,由意大利醫學學位課程校長組成的意大利機構組織了一個工作組,目的是評估入學考試的預測有效性(命名為“醫學學位課程校長常設會議”,允許醫學院的同質性和協調)。該小組活動的初步結果(相對於一些意大利大學)將發表在常設會議的期刊上,強調需要對不同的大學做出改變,這些大學並不總是提出類似的課程,其課程和考試的組織方式也不同。在這一框架內,都靈大學的兩所組成的醫學院(莫利內特和聖路易吉·貢薩加)長期以來一直在其學生身上開展這方麵的研究。
數據庫
這項研究得到了都靈大學(莫裏內特和聖路易吉貢薩加學院)醫學院學位課程委員會和學生委員會的批準。在意大利,在進行回顧性數據分析時,特別是在數據不涉及疾病情況或藥品使用時,並不明確要求倫理委員會批準。為了滿足《赫爾辛基宣言》的要求,對醫學院直接提供的匿名數據庫(不含敏感數據)進行了分析。
本研究涉及了都靈大學(莫裏內特學院和聖路易吉貢紮加學院)2014-15學年醫學學位課程第一年入學的683名學生。學生被分為兩類:通過入學考試的(普通,n1=531)和沒有通過入學考試但在TAR上訴中勝訴的(TAR, n2=152)。
所有學生都接受了監控,直到第一年最後一次考試結束(2015年1月至2016年5月)。
統計方法
以下數據以平均數、標準差(SD)、中位數和95%置信區間(95% CI)的形式呈現給兩個被調查的學生群體(普通和TAR):入學考試成績;中學期末;獲得的大學考試學分數(CFU);一年級考試的平均成績。
考慮到觀察期間累積的CFU數量作為主要終點測量,根據兩種不同的參考標準(RS)將學生分為以下類別:
盧比
在第一學年結束時獲得一半或一半以上必修學分的學生(P1)
在第一學年結束時修滿不足規定學分一半的學生(N1)
平日
修滿第一學年CFU課程要求的學生(P2)
第一學年沒有完成全部CFU課程的學生(N2)
為了評估入學考試的可預見性,采用受試者工作特征(ROC)曲線評估RS1和RS2成績(與常規和TAR學生類別無關)。15 - 17日事實上,ROC曲線說明了入院測試區分真陽性病例(敏感性)和假陽性病例(1-特異性)的能力。如果檢驗具有較高的預測能力,則曲線增長迅速;這種形狀應該在相對95% CI報告的ROC曲線(AUC)下產生大片區域。AUC值>0.5和接近1表示測試具有良好的可預測性。
為了分析每個學科領域對測試預測能力的權重,計算了總分和測試的各個子領域的ROC曲線、AUC和相對95% CI。
最後,我們評估了都靈大學(University of Turin)用於區分錄取和非錄取學生的分數線(33.9)的“優度”。分析基於敏感性(Se)、特異性(Sp)、正似然比(LH+)、負似然比(LH−)和相對95% CI值。15 18 19
結果
表2顯示了按組別(普通和TAR)錄取的一年級學生的人數、平均中學期末成績、CFU和平均一年級考試成績,而表3介紹在入學考試中取得的分數(總分數和每個學科領域)。結果表明,普通組的學生在第一年末的考試成績和CFU高於TAR組的學生。
根據ROC曲線分析,入學考試似乎能夠很好地預測RS1成就(AUC=0.67, 95% CI 0.63 ~ 0.71;表4).對測試的不同子領域進行的具體分析表明,有些人的辨別能力比其他人強;識別能力較強的有:生物學(AUC=0.61, 95% CI 0.57 ~ 0.66);物理/數學(AUC=0.63, 95% CI 0.59 ~ 0.68);化學(AUC=0.65, 95% CI 0.61 ~ 0.69) (表4).
再次,入學考試分數似乎可以預測RS2成績(AUC=0.70, 95% CI 0.64至0.76)(表4).同樣在這種情況下,相同的科學子領域具有比其他領域更大的辨別能力:生物學(AUC=0.62, 95% CI 0.56 ~ 0.68)、物理/數學(AUC=0.63, 95% CI 0.57 ~ 0.69)和化學(AUC=0.63, 95% CI 0.57 ~ 0.69) (表4).
對ROC曲線數值的具體分析表明,在30到35之間的值是一個很好的分值,可用於作為學生進入該課程的選擇標準,與都靈大學使用的機構分值一致(2014-15年為33.9)。為了了解測試的可靠性,都靈大學使用的真正分類——即普通和TAR學生(基於臨界值等於33.9)——根據參考標準RS1和RS2 (表5).
對於RS1和RS2,敏感性都很高(Se=0.86, RS1的95% CI 0.82至0.89;RS2的Se=0.91, 95% CI 0.84 ~ 0.95),而特異性較低(Sp=0.31, RS1的95% CI 0.26 ~ 0.36;Sp=0.25, 95% CI 0.21 ~ 0.28為RS2)。類似地,陽性似然比均大於1 (LH+ 1.23, RS1 95% CI 1.15 ~ 1.32;LH+ 1.22, RS2的95% CI 1.14 ~ 1.25),而負似然比均小於1 (LH−0.46,RS1的95% CI 0.22 ~ 0.54;LH−0.36,95% CI 0.23 ~ 0.56 for RS2)。
較高的敏感度值表明大多數達到RSs的學生來自“普通”組別,而較低的特異度則表明“普通”組別的學生中也有一些沒有達到這兩項RSs (表5).LH+的良好值也支持這一解釋,這也表明“Regular”是實現RS1和RS2的“保護因素”。
然而,在我們的研究中,有必要強調LH−的低值,這表明相對較少的TAR學生同時達到RSs(特別是RS2)。這表明,測試中的低分也預示著實現這兩種RSs的可能性較低。
討論
都靈大學的醫學學位課程錄取了大量沒有通過2014-15年入學考試的學生,這讓我們第一次有機會比較同一背景下兩個學生群體的學業成績。學術成就與考試成績之間存在著密切的相關性;特別是,在科學問題上獲得高分的學生更有可能在第一年達到要求的標準。因此,盡管入學考試仍然可以改進,但它似乎是一個很好的工具,可以識別哪些學生更有可能在課程的第一年表現良好。
其他研究分析了通過入學考試的學生與開放獲取學生的表現(例如,參見Reibnegger)等1),但這種比較隻能在不同年級的學生之間進行。在我們的案例中,注冊年份、課程、課程、教師和課堂特征對普通學生和TAR學生是相同的。為了我們的研究目的,需要指出的是,80%的TAR學生在測試中取得了20到31分的分數(都靈醫學院錄取的最低分數是33.9分)。這證明TAR小組是一個很好的參考。
至少在問題類型和考試時間方麵,意大利語考試與國際上使用的其他考試相當(表1),由於這個原因,我們的研究結果可能也會引起意大利以外的興趣。
重要的是要強調在有用性和可預測性方麵發現的類似結果。例如,Sartania等3.強調了“科學總分”(我們的生物、化學和物理/數學分數)和“教育表現”(我們的RS2,雖然在薩爾塔尼亞)之間的明顯相關性等3.我們考慮了更長的觀察期)。
大多數之前的研究1 - 3證實了入學考試能夠預測第一年的學習成績。然而,由於評估周期和參考標準的不同,在這些研究中沒有評估一般化的可預測性。例如,Sartania等3.評估學生的整體職業生涯,而Reibnegger等1和凱利等2我們的研究考慮了第一年或第二年的結果。就參考標準而言,萊布內格等1調查了輟學率(通過入學考試的學生輟學率較低),而凱利等2對臨床和溝通技能的預測標準感興趣。
本研究的優勢在於有效對照隊列(TAR)的存在和每個入學考試科目領域的具體分析的可能性。盡管在意大利,關於哪些特定學科領域對甄別潛在的醫科學生最有幫助的爭論仍在繼續,但我們的研究表明,目前入學考試中生物、化學和物理/數學問題的結果具有最佳的可預測性。
然而,我們的研究也有一些局限性。首先,我們隻考慮了被都靈醫學院錄取的學生,而沒有考慮更廣泛的意大利群體。第二,這項工作構成了初步的探索性分析,僅限於醫學課程的第一年。
值得指出的是,入學考試可以預測學術成就,但不一定能預測醫生執業能力。這方麵之前已經被許多作者強調過,20 - 22但目前還沒有得出明確的結論。然而,總的來說,我們可以說,單一的入學考試不能預測作為一名醫生的執業能力。通過長期跟蹤我們的兩個隊列,可以獲得重要的信息。事實上,這項研究正在進行中,目的是在整個學術路徑中監測這兩個隊列,重新評估他們的結果也與入學考試中考慮的科目(如臨床導向課程)不同。
結論
大學入學考試成績能夠預測醫學學位課程第一年的後續學術成就;因此,該測試對學生和醫學院都很有用。事實上,它阻止了沒有通過考試的學生注冊這門課程,驅使他們選擇其他課程,節省了他們的時間和金錢。有了這樣的篩選程序,大學就能管理數量較少、幹勁更大、獲得成功的可能性更高的學生。這樣可以更有效地利用基礎設施和人員資源。然而,通過複製第4年和第6年結束時提出的分析,調查入學測試結果和臨床技能之間的關係,可以提高入學測試的歧視能力。
致謝
感謝米蘭大學臨床科學與社區係Anna Bossi教授的大力支持;Anita Tabacco教授- DISMA數學科學係G。L.拉格朗日,都靈理工學院;都靈大學神經科學係Caterina Guiot教授;Barbara Martin博士-都靈大學化學係;Paola Ropolo博士-都靈大學醫學院學生服務中心。
參考文獻
腳注
貢獻者所有作者都對研究設計、數據分析和討論以及最終稿件的起草做出了貢獻。具體貢獻如下:GM, SB, RS, GC, FC-設計,分析和討論並起草最終文件。書目審查和起草最終文件
相互競爭的利益沒有宣布。
來源和同行評審不是委托;外部同行評議。
數據共享聲明沒有其他數據。