Calidad de la educación médica continua: revisión sistemática de literatura
DOI:
https://doi.org/10.22201/fm.20075057e.2026.60.25757Palabras clave:
Educación médica continua, evaluación de calidad, inteligencia artificial, blockchain, microcredenciales.Resumen
Introducción: La educación médica continua (EMC) representa un componente fundamental para el desarrollo profesional de los médicos a lo largo de sus carreras.
Objetivo: Realizar una revisión sistemática de la literatura especializada para identificar elementos clave (dimensiones, tecnologías y estándares) que sirvan de base para evaluar la calidad en educación médica continua (EMC), sin desarrollar un marco integral propio, pero sí una aproximación.
Método: Revisión sistemática de literatura en PubMed, Scopus, Web of Science, ERIC y Google Scholar (búsquedas hasta diciembre 2025). Criterios de inclusión: artículos en español, inglés o portugués (2022-2025) sobre evaluación de calidad en EMC, tecnologías emergentes y marcos de mejora continua. Criterios de exclusión: revisiones no sistemáticas, estudios no empíricos o fuera del ámbito médico. Dos revisores independientes evaluaron títulos, resúmenes y textos completos; se utilizó RoB 2 para riesgo de sesgo. Se incluyeron 37 estudios con 12,450 participantes.
Resultados: Se identificaron cuatro dimensiones clave (forma de entrega, calidad académica, impacto en la práctica propia, impacto en el equipo). Desenlaces principales: 25 estudios (n = 8,920) en evaluación tradicional (modelo Kirkpatrick); 18 estudios (n = 5,230) en tecnologías (IA, LMS, blockchain). Heterogeneidad alta (I² > 75%); riesgo de sesgo moderado-alto en 60% de los estudios por falta de cegamiento.
Conclusiones: La integración de tecnologías mejora la validación, pero la evidencia es limitada por inconsistencia e imprecisión. Limitaciones: sesgo de publicación y heterogeneidad.

(1)_3.png)
.png)

