Systematic post-publication accuracy assessment in medical educational content: development and pilot validation of a five-category taxonomic framework
本文介绍了用于医学教育内容系统性出版后准确性评估的五类分类框架的开发与试点验证，证明了该框架在识别和解决各类资源错误方面的强大有效性，从而填补了医学教育质量保障领域的关键空白。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，医学世界就像一座巨大且繁忙的图书馆，医生和护士都在那里学习如何拯救生命。几十年来，我们一直有一位非常严格的图书管理员，在书籍上架前会检查每一本书以确保事实无误。这被称为“出版前审查”，这是一个很好的系统。但棘手之处在于：一旦书出版了，它就会在书架上存放多年。在此期间，新的发现不断涌现，旧的规则在改变，有时也会有微小的错误溜进其中。在医疗保健的其他领域，比如当我们追踪新药的副作用或医疗器械的问题时，我们拥有一套超级组织化的“监视器”系统。如果出了问题，人们会进行报告，专家会进行检查，然后一份总表会被更新，以确保每个人都安全。但在医生用来学习的教科书和网站方面？我们一直是在盲目飞行。目前还没有一种标准的方法来捕捉出版后的错误，没有共享的错误清单，也没有官方的方式告诉出版商：“嘿，这一页需要修正。”如果没有一个捕捉这些错误的系统，一本在120个国家使用的书中的单一错误，可能会让成千上万的医生感到困惑数年之久，从而可能给患者带来风险。
于是，医学生穆罕默德·瓦利德·阿卜杜拉（Mohammed Waleed Abdullah）出现了，他决定为医学书籍建立缺失的“监视器”。他意识到，要修复这座图书馆，我们首先需要一种更好的分类问题的方法。因此，他发明了一种新的“错误分类机”，称为分类框架。把它想象成一个带有五个特定插槽的高科技回收箱。与其只是把一个错误扔进通用的“垃圾堆”，这个系统会迫使你询问：这是一个编造的事实吗？是一段缺失的关键信息吗？是建议过时了吗？是拼写或名称上的混淆吗？还是医疗类别的标签错了？他为每个插槽都取了名字：第一类为事实错误，第二类为关键遗漏（缺失信息），第三类为过时的建议，第四类为错误的名称，以及第五类为分类混淆。
为了测试他的新机器是否真的有效，穆罕默德并没有只是坐在房间里凭空猜测。他进行了一场全球性的搜寻活动。他挑选了十本在全世界学生和医生中广泛使用的著名医学教科书和网站，涵盖了从外科到儿科的所有领域。他像侦探一样阅读这些书籍，寻找错误。当他发现一个错误时，他不仅仅是把它记录下来；他遵循了一个严格的六步配方。首先，他找到了错误。然后，他对照另外两个可靠的来源进行了复核，以确保自己没有发疯。接着，他使用他的五插槽分类机对错误进行分类。之后，他向出版商的编辑发送了一封正式信函，详细解释了哪里出了错以及为什么出错。然后，他观察编辑是如何反应的，并跟踪每一个响应，直到案例关闭。
结果出人意料地有效。在这次试点测试期间，穆罕默德在这些资源中发现了213个具体错误。最棒的部分是？这213个错误中的每一个都完美地契合了他五个插槽中的一个。它们中没有任何一个是“奇怪的”或“无法分类的”。最常见的错误是事实性错误（41%）和缺失关键信息（23%），但该系统捕捉到了所有错误。但真正的奇迹发生在，当他请求专家——即那些著名书籍的实际编辑和作者——来评判他的发现时。超过一半的时间里（53.5%），编辑们同意了他的看法，并确认他们会在下一版或网站更新中修正这些错误。这个确认率实际上高于那些追踪药物副作用或医疗器械故障的著名安全系统的比率。
这项研究表明，我们终于可以对医学教科书进行与药物和器械同等水平的安全审查。它证明了一个结构化的五类系统可以可靠地捕捉错误、对错误进行分类，并让编写书籍的人将其修正。虽然这只是由一个人完成的试点测试，但它为未来打开了大门——在那个未来，医学知识将被不断检查和更新，确保医生所依赖的“图书馆”始终准确且安全。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。