Descriptores DeCS: VALOR PREDICTIVO; CRITERIOS DE ADMISION ESCOLAR; ESTUDIANTES DE MEDICINA.
En el área latinoamericana se aprecia una preocupación creciente por los aspectos de orden curricular relacionados con las transformaciones sociales de estos últimos años.1,2 Este hecho se reafirma en el informe presentado por la Organización Panamericana de la Salud (OPS) ante la Conferencia Mundial de Edimburgo,3 en el cual se reconoce que en los últimos años las universidades y en particular, las facultades de medicina, se han preocupado de modo especial por la transformación curricular y por la búsqueda de una mayor eficiencia del proceso educativo ante las exigencias derivadas de la práctica, en el marco del orden flexneriano de la Educación Médica.
Esta línea fue enfatizada por George Alleyne, actual Director General de la OPS, en el encuentro continental de educación médica de Punta del Este, quien en su intervención inaugural subrayó la necesidad de lograr cambios en los planes de estudio que produzcan al médico capaz de satisfacer las necesidades de salud individuales y de la comunidad.4
En el contexto nacional, una expresión notable del trabajo que se lleva a cabo en el ámbito de la investigación científico-educacional es el marcado interés por la selección de los aspirantes a las universidades médicas mediante el aumento de la exigencia, ante el incremento significativo del número de aspirantes a una plaza en la enseñanza médica superior.5
En trabajos previos se ha demostrado la posibilidad de realizar estudios de pronóstico a escala individual y global, como vía de previsión a corto, mediano y largo plazo, utilizando indicadores generales del sistema (promoción, nivel general de rendimiento). Las técnicas utilizadas se basan en el empleo de modelos paramétricos lineales y en modelos no paramétricos de tipo bayesiano.6,7 El trabajo en esta línea ha propiciado el incremento cualitativo del proceso de ingreso en la carrera de Medicina.
El presente trabajo da continuidad a esfuerzos previos y tiene el propósito de verificar la capacidad predictiva de una prueba de razonamiento verbal, la entrevista, el índice académico y los exámenes de ingreso en relación con el rendimiento académico de los estudiantes de medicina durante los 4 primeros años de la carrera.
Todos los estudiantes fueron entrevistados por un profesor debidamente entrenado, con el fin de medir su capacidad de comunicación oral, su nivel de información general y su grado de motivación hacia las carreras de ciencias médicas: a todos se les realizó además una prueba de aptitud para medir capacidades de razonamiento verbal (RV). Los resultados de ambas pruebas se expresan en una escala cualitativa ordinal de 1, 2 y 3 (Todos los casos obtuvieron como mínimo una calificación de 2 en una de las pruebas mencionadas).
Para cada alumno se registró el índice académico (IAC) del preuniversitario, que se calcula a partir del promedio de las asignaturas examinadas en 10mo. y 11no. grados y en el primer semestre del 12mo. grado, así como el valor escalafonario (VESC), que se obtiene de la suma del IAC con el promedio de los exámenes de ingreso de Matemática (MAT), Química (QUI) y Biología (BIO), sobre 50 puntos cada uno. De este modo, tanto IAC como VESC se expresan en una escala cuantitativa que teóricamente toma valores entre 0 y 100 puntos (Para los fines del análisis estadístico basado en los modelos de regresión el VESC se excluyó debido a su obvia asociación colineal con el índice académico). ]]>
Por otro lado, se recopilaron las calificaciones de todos los alumnos en la totalidad de las asignaturas incluidas en el actual Plan de Estudios de Medicina de la República de Cuba.8 La escala utilizada fue la aprobada oficialmente por el Reglamento Docente Metodológico para los Centros de Educación Médica Superior, que se codifica con los puntajes de 2, 3, 4 y 5, los cuales corresponden a las categorías de mal, regular, bien y excelente, respectivamente. Para cada año académico (del primero al cuarto) se obtuvo el promedio aritmético de las calificaciones que se simbolizan respectivamente, PROMG1, PROMG2, PROMG3 y PROMG4.Además de las estadísticas descriptivas de rigor, se empleó el análisis de regresión múltiple9 en su versión paso a paso para evaluar la capacidad predictiva de la batería de predictores y la relevancia individual de cada uno. El valor convencional µ = 0,10 se eligió como umbral de entrada de cada variable al modelo.
| | | |
| | ||
| ]]> RV | | |
| | | |
| | | |
| | ]]> 92,20 | |
| | | |
| | | |
| Indicadores de rendimiento | ||
| | | ]]> 0,33 |
| | | |
| | | |
| | | |
La tabla 2 describe las variables incluidas como predictores en cada uno de los 4 modelos lineales ajustados, así como las que finalmente quedaron incluidas por el procedimiento de selección paso a paso. Para el pronóstico del rendimiento en el primer año se utilizaron como predictores al IAC, los exámenes de ingreso (MAT, QUI y BIO), la prueba de aptitud (RV) y la entrevista (ENT). Para cada uno de los años siguientes se adicionó el resultado del curso precedente.
| Variable a predecir | Predictores incluidos | Predictores seleccionados |
| PROMG1 | ]]> RV, ENT, IAC, MÁT, QUÍ, BIO | |
| PROMG2 | | |
| | | |
| PROMG3 | | |
| | ||
| PROMG4 | | |
| ]]> BIO,PROMG1, PROMG2, | ||
| |
| | ||||
| Predictores | PROMG1 | PROMG2 | PROMG3 | PROMG4 |
| IAC | t = 4,078 | a | a | a |
| p < 0,001 | ||||
| RV | t = 2,112 | a | a | a |
| p = 0,037 | ||||
| QUÍ | t = 2,959 | a | a | a |
| p = 0,004 | ||||
| BIO | t = 1,777 | a | a | a |
| p = 0,078 | ||||
| PROMG1 | b | t = 14,137 | a | a |
| p < 0,01 | ||||
| PROMG2 | b | b | t = 11,623 | t = 3,265 |
| p < 0,001 | p = 0,0 | |||
| PROMG3 | b | b | b | t = 5,647 |
| p < 0,001 | ||||
| R2 | 0,29 | 0,64 | 0,55 | 0,58 |
| EEEc | 0,36 | 0,42 | 0,51 | 0,53 |
| | | | | |
| IAC | | ]]> 0,263 | | |
| MAT | | | | |
| QUÍ | | | | ]]> 0,124 |
| BIO | | | | |
| RV | | | | |
| PROMG1 | | ]]> 0,801 | | |
| PROMG2 | | | | |
| PROMG3 | | | | ]]> 0,725 |
| PROMG4 | | | | |
Por último, la tabla 4 contiene las correlaciones simples entre los indicadores de rendimiento y las variables al ingreso, así como las intercorrelaciones de los indicadores de rendimiento. Los resultados de esta tabla refuerzan los comentarios hechos a propósito del cuadro anterior.
La entrevista (ENT) no queda incluida en ninguno de los modelos debido a su escasa capacidad predictiva en relación con el rendimiento. Éste es un resultado lógico, y por lo demás, fácilmente previsible: el valor de la entrevista no se mide a través de criterios estadísticos. La entrevista debe concebirse como un instrumento de decantación de algún caso excepcional que no satisfaga condiciones elementales de actitud, compostura y adecuada motivación, lo cual, además de no tener una expresión estadística, no es -o lo es muy problemáticamente- un elemento susceptible de cuantificación.
El examen de Matemática tiene muy escasa capacidad predictiva en relación con el rendimiento. Debe hacerse notar, que pese a que BIO y QUI quedaron incluidos en el modelo gracias a los umbrales laxos de significación elegidos, ambos individualmente y en conjunto, añaden poco, en términos de precisión, al pronóstico. Aunque se optó por no tabular algunos resultados por razones de espacio, el EEE de un modelo que incluyó sólo al IAC fue de 0,38 contra 0,36 del modelo que incorpora BIO, QUI y RV. Este resultado parece concluyente en cuanto a la utilidad del índice académico como factor pronóstico de aprovechamiento en la enseñanza médica superior. Por otro lado, desde el punto de vista práctico, el criterio basado en el EEE constituye un argumento mucho más poderoso que el de la significación estadística -que por otra parte está subordinada a la naturaleza y al número de los predictores utilizados en el modelo12 para tomar decisiones acerca de la inclusión o no de una variable como parte de los procesos habituales para la admisión.
Como ilustra muy claramente la matriz de correlaciones de la tabla 4, la capacidad predictiva de cualquier indicador para el ingreso se disipa a medida que el estudiante transita de un curso a otro. En efecto, al desplazarse hacia la derecha a través de cualquiera de las primeras 5 filas de la tabla, se aprecia una tendencia a la disminución de la correlación. Esto es lógico, porque en cuanto el estudiante ingresa a un nuevo sistema, se ve sujeto a un complejo entramado de nuevas influencias, que asumen un papel determinante en su desempeño, y particularmente, en su rendimiento académico.
La parte inferior de la matriz de la tabla 4 muestra también el mismo fenómeno de disipación de las correlaciones. El rendimiento académico de un estudiante en un curso cualquiera se asocia muy fuertemente a su rendimiento en el curso anterior y en el posterior. Esto explica por qué, si se razona con una perspectiva de pronóstico, la información más valiosa de que puede disponerse para estimar cómo ha de ser el rendimiento en el curso i, es precisamente el rendimiento en el curso i-1.
La capacidad predictiva de los indicadores al ingreso, no sólo se atenúa en el tiempo, sino que casi toda ella opera de manera indirecta a través de los indicadores evolutivos de rendimiento, que ofician entonces de variables intermediarias. Es fácil, por tanto, entender por qué, cuando se incluye el resultado del primer año entre la batería de predictores del rendimiento en el segundo año, los indicadores del ingreso salen del modelo, y otro tanto ocurre cuando se incorpora PROMG2 en la predicción de PROMG3, y PROMG3 en la predicción de PROMG4.
La validación de éstos y de otros indicadores no debería restringirse al criterio del rendimiento académico: por ejemplo, podría ocurrir que los exámenes de ingreso se asocien muy fuertemente con el desempeño profesional futuro, aunque su asociación con el rendimiento escolar sea moderada o baja.
Se reconoce la participación de los estudiantes Ronald Aroche, Henry Carreño, Frank D. Padrón y Raquel Ampudia en la recogida de la información.
Subject headings: PREDICTIVE VALUE; SCHOOL ADMISSION CRITERIA; STUDENTS, MEDICAL.
1 Jefe del Departamento de Formación y Orientación Profesional FCM Pinar del Río. Asistente.
2 Doctor en Ciencias Médicas. Profesor Titular ICBPC "Victoria de Girón".
3 Decano FCM Pinar del Río. Profesor Titular.
4 Metodóloga FCM Pinar del Río. Instructora ]]>