MEDICINE & AI

タイトル：Learning Analytics of a National Entrustable Professional Activities Platform: Cross-Sectional Study of System-Level Constraints on Advanced Entrustment in Competency-Based Medical Education 雑誌名：JMIR Med Educ. 2026 May 27; 12: e95066. doi: 10.2196/95066. 概　要： 本研究は、能力に基づく医療教育（CBME）における信頼できる専門的活動（EPA）と臨床能力委員会（CCC）の決定が、研修生の進捗に関する防御的な判断を支えることを目的としています。デジタル評価プラットフォームが研修プログラム全体の職場ベースの評価データを集約する中で、全国的なCCCの信任決定を分析し、期待される監督レベルの達成に関連するシステムレベルの要因を特定しました。 方　法： 台湾の耳鼻咽喉科・頭頸部外科の全認定研修プログラムで使用されるEmywayデジタル評価プラットフォームから得た全国的なCCCの信任データを用いて横断的分析を行いました。データセットには、292人の研修生に対する12のEPAに関する3504件の総括的信任決定が含まれています。観察された監督レベルを各研修年の事前指定された目標と比較し、ロジスティック回帰モデルを用いて、研修段階、EPAの順序、CCCのレビュー頻度、プログラムの特性などの要因を特定しました。 結　果： 研修年を通じて中央値の監督レベルは増加しましたが、後期段階では期待される目標に一貫して達成しませんでした。期待される信任目標は3504件中2558件（73%）で達成されました。特にR4およびR5の上級研修年での未達成が顕著でした。多変量解析では、EPAの遅延した順序（調整オッズ比0.75、95% CI 0.63-0.91）およびCCCのレビュー頻度の低下（調整オッズ比0.41、95% CI 0.28-0.61）が、達成度の低下と独立して関連していることが示されました。 結　論： 全国的なCCCの信任決定の学習分析は、CBME研修における期待される自律性と観察された自律性の間に再現可能な後期段階のギャップを明らかにしました。このパターンは、研修生の特性だけでなく、評価システムの設計の特徴に関連している可能性があります。デジタル評価データの全国的なベンチマーキングは、EPAの順序、CCCのガバナンス、CBMEシステム内での証拠生成を最適化するための実行可能な洞察を提供することができます。