并非所有EPA均等：基于效用建模的抽样偏倚校正与胜任力导向医学教育优化

　　本研究通过大规模数据分析揭示住院医师胜任力评估（EPA）存在的系统性抽样偏倚，创新性提出效用建模框架，为 competency-based medical education（CBME）提供数据驱动的评估优化方案，可显著提升医学教育的精准性与公平性。

　　

研究亮点

研究发现EPA评估存在显著分布不均：52.8%评估集中于前4种EPA类型（占比22.2%），33.5%评估来自前4.3%的教师，31.0%评估集中于前9.5%的专业科室，20.1%评估流向前4.5%的住院医师（所有功率律α值<0.27，χ² p≈0）。

背景

可信赖专业活动（EPA）是理解住院医师实践准备度进展的基石。但人工录入EPA时存在评估完成度不均衡问题，导致个体、专业领域与机构间产生评估变异性偏倚。我们提出的EPA评估效用建模，能通过向带教老师提示每次EPA评估机会的效用值并突出最需要评估的时机，实现回溯性校正与前瞻性偏倚规避。

方法

我们对37个机构通过电子健康记录（EHR）集成医学教育平台完成的外科EPA评估开展纵向分析。采用幂律曲线拟合评估数量分布偏度，结合原始EPA评分、历史病例日志与手术室排班数据，通过大规模贝叶斯网络模型量化每次评估对信任度学习曲线的影响，最后通过蒙特卡洛模拟生成直观的"评估效用分值"，用于提示教师优先完成高价值评估。

结果

2023年6月至2025年5月期间，444名教师对532名住院医师完成17,245次EPA评估。评估分布呈现多重偏倚：按EPA类型，52.8%评估集中于前4种（22.2%）类型（幂律α=0.27，χ² p≈0）；按教师，33.5%评估来自最活跃的15名（4.3%）教师（α=0.15，χ² p≈0）；按专业科室，31.0%评估来自最活跃的2个（9.5%）科室（α=0.24，χ² p≈0）；按住院医师，20.1%评估由前20名（4.5%）最常被评估者获得（α=0.21，χ² p≈0）。

结论

EPA评估存在严重抽样偏倚，导致信任度水平表征失真。我们提出的评估效用框架可通过优化评估时机、评估人与优先级排序，为CBME测量提供数据驱动的解决方案。