通过长期系统性评估提升放射科住院医师OSCE考核的可靠性与有效性

　　本研究针对放射科住院医师培训中客观结构化临床考试（OSCE）的长期可靠性与有效性开展系统性评估。通过分析6年间（2018-2021,2023-2024）198名考官和818名考生的主观问卷与客观考试数据，发现OSCE难度指数（0.12-0.15）和区分度保持稳定，考生主观难度评分显著高于考官（p<0.001），但客观数据支持考官评估的准确性。研究表明OSCE是放射科临床能力评估的有效工具，标准化考官培训显著提升评分一致性。

　　

在医学教育领域，客观结构化临床考试（Objective Structured Clinical Examination, OSCE）自1975年由邓迪大学的Barrows和Norman提出以来，已成为评估医学生和住院医师临床能力的金标准。这种考核方式通过模拟真实临床场景的多站式设计，全面考察考生的临床技能、沟通能力和决策水平。然而，尽管OSCE在全球范围内得到广泛应用，其长期稳定性和有效性仍需系统验证，尤其是在专业性强、技术迭代迅速的放射科领域。

放射科医师不仅需要具备扎实的影像解读能力，还要掌握患者沟通、危急值处理和跨科室协作等综合技能。传统的笔试和口试难以全面评估这些实践能力，而OSCE通过标准化病例和评分标准，为放射科住院医师的临床能力评估提供了结构化方案。2014年，OSCE被引入中国放射科住院医师培训体系，但其在实际应用中的可靠性、难度控制以及考官与考生之间的认知差异仍需深入探究。

为了系统评估OSCE在放射科培训中的长期表现，北京协和医院的研究团队开展了一项为期6年的回顾性观察研究。研究覆盖2018至2021年及2023至2024年（因2022年COVID-19疫情影响采用线上考试被排除），收集了198名考官和818名考生的主观问卷反馈和客观考试数据，通过难度指数、区分度指数和相关性分析等多维度方法，全面评估OSCE的稳定性和有效性。

研究采用问卷调研和考试数据分析相结合的方法。考官和考生通过电子平台WJX.cn完成匿名问卷，使用三点李克特量表评估考试难度和满意度。客观数据包括各考站平均分、难度指数（考生平均分/总分）和区分度指数（采用极端组法计算，p<0.05表示区分度良好）。统计学分析使用SPSS 21.0软件，包括描述性统计、t检验、曼-惠特尼检验和克鲁斯卡尔-沃利斯检验。

问卷评价

考生对OSCE整体难度的主观评分显著高于考官（p<0.001），均值排名分别为342.43（考生）和482.26（考官）。这一差异可能与考试压力导致的感知偏差有关。考官对各系统考站（心血管、呼吸、胃肠、泌尿生殖、骨骼肌肉、头颈和沟通站）的难度评分无显著年度差异（p值范围0.098-0.862），表明考题设计稳定性高。考官对考前培训的满意度在2020、2021和2024年较2018年显著提升（p=0.023, 0.021, 0.009），反映培训质量持续优化。

考试评分分析

OSCE总分在6年间保持稳定（85.48-88.48分），各考站分差范围从2019年的81.69-99.8分缩小至2024年的85.51-93.9分，表明评分一致性显著提高。相关性分析显示，除沟通站外，所有考站评分与总分均呈中度以上相关（r>0.4, p<0.05），多选题考试与总分相关性最高（r=0.872）。

难度与区分度

整体难度指数稳定在0.12-0.15之间，但各考站难度在早期波动较大（如2019年心血管站0.18，沟通站0.01），2023-202年缩小至0.06-0.13。区分度分析显示，2018-2021年部分考站（如胃肠、泌尿生殖、头颈和沟通站）未达到显著区分水平（p≥0.05），但2023-2024年所有考站均实现良好区分（p<0.05），反映考核设计持续优化。

讨论与结论

本研究通过长期多维评估证实，OSCE在放射科住院医师培训中具有高度可靠性和有效性。难度指数的稳定性和区分度的持续改善，得益于考题开发的标准化和考官培训的强化。考生与考官的难度认知差异主要源于考试压力，而非实际考核设计问题。考官培训的优化（如校准评分标准和偏见意识训练）显著提升了评分一致性和考试公平性。

研究的局限性包括回顾性设计无法推断因果关系、三点李克特量表可能限制反馈粒度，以及沟通站评分一致性仍需提升。未来建议采用前瞻性研究设计、扩展评分量表维度，并探索人工智能辅助评分技术以进一步提升OSCE的客观性。

该研究发表于《Insights into Imaging》（2025），由Ding N, Gao X, Sun H等作者完成，为放射科教育评估提供了重要实践依据，表明通过系统性反馈和持续改进，OSCE可成为提升放射科医师临床能力的核心评估工具。