SciELO - Scientific Electronic Library Online

 
vol.128 número6Disfunción endotelial como alteración primaria en las patologías vascularesNormas bioéticas de UNESCO para evitar prácticas eugenésicas en investigaciones biomédicas índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Revista médica de Chile

versión impresa ISSN 0034-9887

Rev. méd. Chile v.128 n.6 Santiago jun. 2000

http://dx.doi.org/10.4067/S0034-98872000000600015 

Desempeño académico de los
estudiantes de medicina:
¿Un resultado predecible?

Academic performance of medical
students. A predictable result?

Gabriel Bastías S, Luis Villarroel del P1, Denisse Zuñiga P2,
Guillermo Marshall R3, Nicolás Velasco F, Beltrán Mena C.

 

 

Background: Traditionally, medical schools demand their students a high dedication in time, responsibility and integrity. Aim: To assess the predictive capacity of several specific variables, on the academic performance of medical students. Material and methods: All students who entered during 1984-1995 period were studied. The academeic performance was assessed using two indices: an overall evaluation of successfulness as determined by the approval rate in different courses and grade-point average obtained during the first three years at the Medical School. The variables used to predict academic performance were year of enrollment, high school grades, university admission test scores, biomedical and demographic characteristics. All these were meassured at the time when the student was enrolled. Results: Eight hundred and eight students were studied at the end of the third year. The most important predictive variables selected for both performance indices were: high school grades, admission biology test scores, place were high school studies were done, and previous university studies. In addition verbal and mathematics admission academic performance tests scores were selected for grade-point average index. Although, the overall admission score and high school academic performance were significantly associated with the two outcomes, they were not selected in the final models. Conclusions: The best predictors of an optimal academic performance in these medical students were high school grades, admission bilogy test scores, residing in Metropolitan Santiago and previous university studies. (Rev Méd Chile 2000; 128: 671-8).
(Key-words: Education, medical, undergraduate; Schools, medical)

Recibido el 7 de julio, 1999. Aceptado en versión corregida el 2 de marzo, 2000.
Oficina de Educación Médica y Departamento de Salud Pública de la Pontificia Universidad
Católica de Chile
1Magister en Bioestadística
2Psicóloga
3Doctor en Bioestadística

Tradicionalmente se ha considerado que la carrera de Medicina demanda a sus estudiantes una alta dedicación de tiempo a sus estudios además de una serie de atributos personales como integridad, responsabilidad, madurez, etc. Se espera que un individuo con estas características sortee las dificultades de la carrera y sea un profesional competente1,2.

Estos atributos, sin embargo, no están presentes en todos los postulantes a la carrera de Medicina, por lo que se requiere de un exigente proceso de selección. Las universidades, enfrentadas a este desafío, han establecido criterios de selección basados fundamentalmente en el rendimiento en los estudios de enseñanza media y el rendimiento en pruebas cuantitativas (de conocimientos y aptitudes) y cualitativas (entrevista personal o pruebas psicológicas3,4) al momento de postular.

En nuestro país el proceso de selección se basa en una evaluación cuantitativa que combina los antecedentes académicos de la enseñanza media, la prueba de aptitud académica y las pruebas de conocimientos específicos5. Las 12 facultades de medicina de nuestro país utilizan este criterio asignando distintas ponderaciones a cada componente.

Sin embargo, el proceso no asegura que todos los seleccionados serán capaces de completar sin tropiezos el plan de estudios de la carrera. Algunos los dejarán inconclusos y otros, permaneciendo en la carrera, podrán tener bajo rendimiento.

El rendimiento académico de los alumnos que permanecen en la carrera y las variables que lo influyen ha sido abordado en varios estudios6-10. Estos autores han construido modelos que intentan predecir el rendimiento académico y han coincidido en los siguientes aspectos metodológicos: utilizar las notas como expresión del rendimiento académico, construir modelos para cada año y considerar como predictores los componentes del sistema de admisión.

En este estudio se considera una forma alternativa de evaluar el rendimiento académico por medio de un indicador mixto de información cualitativa y cuantitativa, y la comparación de éste con respecto al tradicional basado en las notas. Esta comparación surge de la necesidad de comprobar si las notas son un indicador que refleja fielmente el rendimiento académico. Además, dado que los alumnos provienen de distintas cohortes de ingreso, estudiaremos la evolución del efecto de las variables predictoras a través del tiempo. Finalmente incorporaremos otras variables no consideradas en el actual proceso de selección.

MATERIAL Y MÉTODO

Población. Corresponde al total de 808 alumnos matriculados en primer año de la carrera de Medicina de la Universidad Católica de Chile, en el período 1984-1995, ambos años incluidos, que ingresaron por vía ordinaria. Esta vía considera aquellos alumnos que ingresan de acuerdo a los requisitos regulares de selección (prueba de aptitud académica, notas de enseñanza media, prueba de Conocimientos específicos de biología e historia y geografía y prueba de cultura general.

De acuerdo a la información contenida en los registros académicos de la Universidad Católica de Chile, 96% de las eliminaciones, deserciones y repitencias se producen a lo largo de los 3 primeros años de estudio. Por esta razón esta investigación consideró el seguimiento de los alumnos por este período.

Para cada alumno se consignaron variables previas a su ingreso a la carrera y variables de ingreso. Además, cada uno de ellos fue clasificado según su rendimiento académico durante los 3 primeros años de la carrera.

Variables. Previo al ingreso se consideraron la edad del alumno, sexo, colegio (particular o municipal), región de procedencia (metropolitana u otra región), estudios universitarios previos y notas de enseñanza media (NEM). Estas variables, excepto NEM, no constituyen requisitos de ingreso para la carrera de medicina en nuestra universidad.

Las variables de ingreso corresponden al año de ingreso a la carrera y a los puntajes obtenidos en la prueba de aptitud matemática (PAM), prueba de aptitud verbal (PAV), prueba de historia y geografía (PHG), prueba específica de biología (PEB), y puntaje de selección (PS). Esta última variable corresponde al promedio ponderado de las anteriores, y su ponderación ha variado levemente durante el período analizado.

Para cada alumno se registró su rendimiento de acuerdo a la siguiente clasificación: (a) causal de eliminación por falta de créditos, repitencia reiterada del mismo ramo, promedio ponderado acumulado < a 4,0, etc.; (b) retiro voluntario de la carrera por abandono sin caer en causal de eliminación; (c) atraso en la carrera por suspensión voluntaria de un semestre; (d) atraso en la carrera debido a la reprobación de a lo menos un ramo; y (e) la aprobación de los ramos hasta tercer año sin atraso en la carrera.

Dado que nuestro análisis intenta discriminar a aquel grupo de individuos cuya trayectoria académica es óptima a lo largo de la carrera respecto de los que se atrasan, decidimos construir un indicador de rendimiento académico que diera cuenta de la reprobación de uno o más ramos que determinen el atraso en la carrera. Esta modalidad permite identificar a alumnos que aun reprobando ramos mantienen promedio de notas que aparentan buen rendimiento. Para estos efectos eliminamos los sujetos que calificaban en las categorías (a), (b) y (c), manteniendo en el estudio los sujetos que calificaron en las categorías (e) a la que denominamos trayectoria óptima (TO=1) y (d) denominada trayectoria no óptima (TO=0).

Análisis estadístico. Las variables previas al ingreso y las de ingreso fueron consideradas variables independientes y la variables de rendimiento académico, TO y promedio ponderado de notas al tercer año (PPN), fueron consideradas nuestras variables dependientes. La comparación de dos promedios se hizo con, la prueba t de Student para muestras independientes y la de tres o más promedios con análisis de la varianza además de la prueba de comparaciones múltiples de Student-Newman-Keuls. Para la comparación de porcentajes se usó la prueba de Chi-cuadrado.

Para identificar el conjunto de variables independientes con capacidad predictora de TO, se utilizó un modelo de regresión logística usando el método paso-a-paso (stepwise). La bondad del ajuste se evaluó con una curva ROC. Para la variable respuesta PPN se utilizó un modelo de regresión lineal usando nuevamente el método stepwise. Se consideró significativo todo valor-p < a 0,05. El análisis se hizo con el programa Splus para Windows.

RESULTADOS

La clasificación según rendimiento académico de los 808 alumnos matriculados en la carrera de Medicina de la Universidad Católica en el período 1984-1995 se muestra en la Tabla 1.

Tabla 1. Clasificación de rendimiento
académico hasta tercer año


Clasificación académica n %

Causal de eliminación 26 03,2
Retiro voluntario 24 03,0
Atraso por suspensión voluntaria 34 04,2
Atraso por reprobación 153000 18,9
Aprobación sin atraso 571000 70,7

Los 724 alumnos que completaron sus 3 primeros años de estudio (categorías d y e de la Tabla 1) son el foco de nuestro análisis. De estos individuos 466 son hombres (64,4%) y 258 mujeres (35,6%). La media de la edad de los alumnos (± DS) fue 18,7 (± 1.21) años. Los alumnos que provienen de colegios particulares o subvencionados son 597 (82,5%) y 520 (71,8%) los que realizaron sus estudios secundarios en la Región Metropolitana. Los alumnos con antecedentes de estudios previos son 128 (17,7%), de los cuales 28 (21,9%) provienen de otras facultades de medicina, 48 (37,5%) de carreras del área biológica y 52 (40,6%) de otras carreras.

Un resumen de las variables y factores predictores considerados para el grupo total y separado según trayectoria académica son mostrados en la Tabla 2 y Tabla 3 respectivamente. Además estas tablas entregan el valor-p obtenido de comparar ambos grupos en cada variable o factor. El número promedio de alumnos que ingresaron anualmente fue 67 alumnos (rango 61-73).

Tabla 2. Resumen de variables explicatorias para el grupo total y según tipo de trayectoria. El
valor-p corresponde a la comparación de promedios entre los dos grupos

Variable
Trayectoria académica
 
 
Total (n=724)
Optima (n=571)
No óptima (n=153)
Valor P
 
Media ± DS
Media ± ESM
Media ± ESM
 

Edad 18,7 ± 01,2 18,7 ± 0,05 18,8 ± 0,11 0,370
Notas enseñanza media 742 ± 47 745 ± 1,9 7290 ± 4,1 <0,0010
Prueba aptitud verbal 738 ± 37 740 ± 1,5 733 ± 3,4 0,058
Prueba aptitud matemática 781 ± 24 781 ± 1,0 782 ± 1,8 0,560
Prueba específica biología 780 ± 39 781 ± 1,6 778 ± 3,0 0,500
Prueba historia-geografía 735 ± 37 735 ± 1,5 734 ± 3,1 0,660
Puntaje de selección 764 ± 15 765 ± 0,6 761 ± 0,9 0,002

 

Tabla 3. Resumen de factores explicatorios para el grupo total y según tipo de trayectoria. El
valor-p corresponde a la comparación de proporciones entre los dos grupos.

Factor Trayectoria académica  
  Total (n=724) Optima (n=571) No óptima (n=153) Valor P
  n % n % n %  

Sexo Femenino 258 35,6 212 37,1 46 30,0 0,110
Colegio Particular 597 82,5 473 82,8 124 81,1 0,601
Región Metropolitana 520 71,8 420 73,6 100 65,4 0,045
Estudio Univ. Previos 128 17,7 92 16,1 36 23,5 0,033

Establecida la asociación univariada entre las variables explicatorias y las dos variables de rendimiento académico, se procedió al ajuste de un modelo de regresión logística para TO y un modelo de regresión lineal para PPN. A través de un proceso de selección paso-a-paso de las variables explicatorias se determinó un modelo final para cada variable respuesta.

En ambos modelos se controló por el factor año de ingreso dado que captura variabilidad que no es intrínseca al alumno sino al medio. Las variables seleccionadas en el modelo para TO según orden de importancia son NEM, PEB, lugar donde realizó sus estudios secundarios y antecedente de estudios universitarios previos. Las variables seleccionadas para PPN según orden de importancia son NEM, PEB, PAV, PAM, lugar donde realizó sus estudios secundarios y antecedente de estudios universitarios previos. Los resultados del ajuste de los modelos para TO y PPN se muestran en las Tablas 4 y 5 respectivamente.

En la Tabla 4 observamos que una variación de 30 puntos en el puntaje de NEM o PEB aumenta las probabilidades de tener una trayectoria exitosa durante los primeros tres años de estudio en 37% y 24% respectivamente. De igual forma, los alumnos provenientes de la Región Metropolitana tienen 56% más chances de éxito académico que alumnos que cursaron la enseñanza media en provincia. Además, estudios previos reducen en 40% las posibilidades de tener éxito académico.

Tabla 4. Coeficientes estimados, su error estándar, el odds ratio y un intervalo de confianza
al 95% asociado a las variables independientes del modelo final para TO.

Variable Coeficiente estimado Error estándar Odds ratio Intervalo de confianza

NEM 0,0106 0,0024 1,374 1,194-1,583
PEB 0,0071 0,0030 1,237 1,037-1,476
METRO 0,4472 0,2118 1,564 1,033-2,369
ESTPRE -0,50230 0,2546 0,605 0,367-0,997

En esta tabla se ha excluido el año de ingreso y el intercepto. Los odds ratios calculados para nota de enseñanza media (NEM) y prueba específica biología (PEB) corresponden a cambios de 30 puntos en el puntaje

Al estratificar por sexo o tipo de educación (particular o subvencionada) no se observaron diferencias significativas en el modelo final. Este resultado es muy relevante dada la distribución que estas dos variables toman en la composición de la matrícula de nuestros alumnos de medicina.

La Tabla 5 muestra que aproximadamente 27 puntos de diferencia en el puntaje de NEM producen una décima de diferencia en el promedio ponderado de notas al término de 3 años de estudio. Para obtener un resultado similar en el promedio ponderado de notas se necesita una diferencia de 53 puntos en el puntaje de la PEB. Similar situación se puede deducir de las pruebas de aptitud académicas PAV y PAM. Alumnos que cursaron estudios de enseñanza media en la Región Metropolitana tienen en promedio 0,9 décimas más en el promedio ponderado de notas de los alumnos de provincia, y estudios previos reducen en similar cantidad el promedio al término del tercer año.

Tabla 5. Coeficientes estimados y su error
estándar de las variables independientes en
el modelo final para el promedio ponderado
de notas al tercer año

Variable Coeficiente Error
  estimado estándar

Nota enseñanza media 0,0037 0,0004
Prueba específica biología 0,0019 0,0005
Prueba aptitud verbal 0,0017 0,0005
Prueba aptitud matemáticas 0,0019 0,0009
METRO 0,0900 0,0395
ESTPRE -0,09040 0,0495

En esta tabla se ha excluido el año de ingreso y el intercepto.

El poder de los modelos para predecir el comportamiento académico fue evaluado usando curvas ROC. La Figura 1 muestra el resultado del modelo para TO para el total de alumnos considerando todas las generaciones, la curva promedio al interior de cada generación, y finalmente la curva ROC obtenida al usar el modelo PPN para predecir TO. El área bajo estas curvas es 0,74, 0,65 y 0,67 para las tres mencionadas anteriormente. Las cifras de 0,65 y 0,67 reflejan mejor el poder predictivo del modelo al interior de cada año de ingreso y por lo tanto el poder predictivo real de los modelos desarrollados.

FIGURA 1. Curva ROC generada por el modelo de regresión logística para TO. La curva de línea discontinua representa el modelo final considerando el efecto del año de ingreso, la curva de puntos representa el modelo para el PPN como sustituto, y la curva de línea continua el promedio suavizado de las curvas ROC generadas por el modelo para TO para cada año de ingreso.

 

Se calculó el odds ratio obtenido del coeficiente para cada una de las variables del modelo y para cada año considerado en este estudio. Sólo la NEM y estudios universitarios previos muestran variaciones significativas a través del tiempo (Figura 2). En cuanto a las NEM se observa una reducción inicial de su efecto en el éxito académico y luego un aumento en los últimos tres años. En relación a estudios previos no se observa una variación sistemática en el tiempo.

FIGURA 2. Evolución del efecto de las variables en el modelo para TO a través del tiempo medido como odds ratio de trayectoria exitosa. En el caso de NEM estos odds ratios representan un cambio en 30 puntos, mientras que en Estudios Previos representan la presencia o ausencia del atributo. La línea basal discontinua representa el odds ratio común obtenido de combinar todos los tiempos.

 

DISCUSIÓN

El mejoramiento de los procedimientos de admisión a las instituciones de educación superior es una necesidad permanente, especialmente para aquellos centros que muestran estadísticas elevadas de fracaso académico. En la Escuela de Medicina de la Universidad Católica esta realidad llega al 10,4% de los alumnos al tercer año de la carrera. Ello hace necesario un continuo estudio de aquellos factores que afectan este proceso. En este estudio encontramos dos factores que no han sido considerados previamente.

El análisis de cada variable separadamente mostró una asociación significativa entre la trayectoria académica y las notas de enseñanza media, el puntaje de la prueba específica de biología y el puntaje de selección. Estas tres variables, tradicionalmente consideradas en el proceso de admisión, muestran promedios más altos en el grupo de alumnos que tuvieron trayectoria óptima.

Dos variables, que no forman parte de los criterios habituales de selección de los alumnos como son los antecedentes de estudios universitarios previos y de estudios secundarios cursados en la Región Metropolitana, también muestran asociación significativa con el tipo de trayectoria observada. Así es como la trayectoria óptima muestra una menor proporción de alumnos con estudios previos y una mayor proporción de alumnos que cursan sus estudios secundarios en la Región Metropolitana.

El modelo multivariado confirmó estos resultados excepto en el caso del puntaje de admisión que resultó excluido. Además de las variables antes mencionadas, este estudio encontró que el año de ingreso, incorporado al modelo como un factor, explica una parte importante de la variabilidad del éxito académico y debe ser manejado como una variable de control.

La selección paso a paso mostró que la variable más importante para explicar la Trayectoria óptima es la nota de enseñanza media, seguida por el puntaje de la prueba específica de biología, antecedente de estudios secundarios en la Región Metropolitana y estudios universitarios previos en ese orden.

El análisis del promedio ponderado al tercer año arrojó similares resultados que los obtenidos para la trayectoria exitosa, salvo por la presencia de las pruebas de aptitud académica, por lo que ambos indicadores de éxito académico son comparables.

Es importante recalcar que el poder predictivo global de estas variables no puede ser estudiado ya que alumnos que obtuvieron puntajes inferiores no ingresaron a la carrera de medicina y por lo tanto no conocemos su trayectoria académica en estas condiciones. Esta restricción puede ser responsable que factores o variables explicativas, tales como el puntaje en las pruebas de aptitud académica, no resulten significativas para predecir éxito académico. En el grupo seleccionado hemos observado muy poca variabilidad en las variables explicatorias y nuestros resultados nos dicen que esta poca variabilidad no está asociada al éxito académico al tercer año. Otro resultado podría ser encontrado si en un ejercicio experimental se permitiera el ingreso de alumnos de diferentes puntajes. Esta realidad conocida como sesgo por selección es muy importante de tener en cuenta a la hora de evaluar si las variables de selección cumplen el rol de discriminar a los alumnos.

Correspondencia a: Gabriel Bastías S. Marcoleta 352, Departamento de Salud Pública, Santiago Centro. Fono: 6863038, Fax: 6331840, e-mail: gbastias@med.puc.cl

Agradecimientos:

Los autores agradecen el valioso aporte del Profesor señor Héctor Pizarro quien condujera inicialmente este proyecto

REFERENCIAS

1. MELECAB. Traditional Predictors of Academic Performance in a Medical Schools Independent Study Program. Acad Med 1995; 70: 59-63.        [ Links ]

2. MCGAGHIE W. Qualitative variables in Medical School Admission. Acad Med 1990; 65: 145-49.        [ Links ]

3. RISSETTI F. Variables motivacionales y de personalidad en la admisión a la Escuela de Medicina. Rev Méd Chil 1997; 125: 52-9.        [ Links ]

4. HOJAT M, ROBESON M, DAMJANOV I, VELOSKI J, GLASER K, GENNELLA J. Students’s Psychosocial Characteristics as Predictors of Academic Performance in Medical School. Acad Med 68: 635-37        [ Links ]

5. DONOSO G. Simposio: El proceso de admisión en las Escuelas de Medicina. Factores de selección a la educación superior. Rev Méd Chil 1997; 125: 45-8.        [ Links ]

6. GARCÍA R. Rendimiento académico en el primer año y su relación con las variables de ingreso en las Escuelas de Medicina. Rev Méd Chil 1995; 123: 28-36.        [ Links ]

7. CROEN L, REICHGOTT M, SPNECER R. A Performance-based Method for Early Identification of Medical Students at Risk of Developing Academic problems. Acad Med 1991; 66: 486-88.        [ Links ]

8. MUÑOZ MA. Simposio: El proceso de admisión en las Escuelas de Medicina. Valor predictivo de las variables cognitivas. Rev Méd Chil 1997; 125: 49-62.        [ Links ]

9. JONES R, THOMAE-FORGUES M. Validity of the MCAT in Predicting Performance In the First Two Years of Medical School. J Med Educ 1984; 59: 455-64.        [ Links ]

10. MITCHELL K. Traditional Predictors of Performance in Medical School. Acad Med 1990; 65: 149-58.        [ Links ]