УСПІШНІСТЬ ІЗ ПАТОФІЗІОЛОГІЇ ЯК ПРЕДИКТОР РЕЗУЛЬТАТУ ЛІЦЕНЗІЙНОГО ТЕСТОВОГО ІСПИТУ «КРОК 1»

Сергій Зябліцев; Олександр Нагорний; Володимир Ліходієвський

doi:10.11603/m.2414-5998.2026.3.16632

Автор(и)

Сергій Зябліцев Національний медичний університет імені О. О. Богомольця https://orcid.org/0000-0002-5309-3728
Олександр Нагорний Національний медичний університет імені О. О. Богомольця https://orcid.org/0000-0002-8271-5151
Володимир Ліходієвський Національний медичний університет імені О. О. Богомольця https://orcid.org/0000-0002-7596-1207

DOI:

https://doi.org/10.11603/m.2414-5998.2026.3.16632

Ключові слова:

патофізіологія; ліцензійний іспит «КРОК 1»; академічна успішність; прогностична модель; медична освіта; предиктори успішності

Анотація

У статті досліджено та проаналізовано успішність здобувачів вищої медичної освіти з дисципліни «Патофізіологія» у взаємозв’язку з результатами складання ліцензійного іспиту «КРОК 1» в умовах реформованої у 2026 р. осьової структури іспиту, що зумовила підвищення рівня його складності. Метою статті визначено порівняльний аналіз показників успішності з патофізіології та результатів «КРОК 1» у соціально-демографічних і академічних підгрупах здобувачів вищої освіти, оцінювання зв’язку поточної та семестрової успішності з відсотком правильних відповідей на іспиті, а також розроблення багатофакторної прогностичної моделі його успішного складання. Для реалізації поставленої мети застосовано такий комплекс методів: ретроспективний обсерваційний аналіз даних 763 здобувачів третього курсу медичного університету; статистичні методи (критерій Шапіро – Вілка, U-критерій Манна – Вітні, точний тест Фішера, кореляційний аналіз Спірмена); одно- та багатофакторне лінійне регресійне моделювання з покроковим відбором змінних за критерієм Вальда. З’ясовано, що, попри статистично значущу перевагу жінок за балами поточного контролю та першого етапу іспиту, на рівні «КРОК 1» гендерних відмінностей не виявлено; освітня база вступу впливала на успішність лише на рівні парних порівнянь, утрачаючи самостійне прогностичне значення у багатофакторній моделі; натомість статус поновленого на навчання здобувача демонстрував стійко нижчу успішність за всіма компонентами дисципліни та найвищу частку нескладання «КРОК 1». Зроблено висновок, що успішність складання «КРОК 1» визначається передусім навчальними здобутками здобувачів із патофізіології, а не формальними соціально-демографічними ознаками, при цьому статус поновленого здобувача виступає найпотужнішим і незалежним предиктором академічного ризику. Обґрунтовано доцільність застосування чотирифакторної регресійної моделі, що враховує бали поточного контролю, обох етапів семестрового іспиту та статус поновлення на навчання як інструменту раннього виявлення здобувачів групи академічного ризику та планування індивідуалізованої підтримки в освітньому процесі.

Посилання

1. Curtis, E., Wikaire, E., Jiang, Y., McMillan, L., Loto, R., Poole, P., Barrow, M., Bagg, W., & Reid, P. (2017). Examining the predictors of academic outcomes for indigenous Māori, Pacific and rural students admitted into medicine via two equity pathways: A retrospective observational study at the University of Auckland, Aotearoa New Zealand. BMJ Open, 7, e017276. DOI: https://doi.org/10.1136/bmjopen-2017-017276 DOI: https://doi.org/10.1136/bmjopen-2017-017276

2. Ghersin, H., Gulfo, M. C., Frohlich, B. A., Wilson, S. M., Berlot, A. A., Zhang, J. S., Kankaria, R., Radparvar, A., Lin, J., Blackmore, M. A., & Raff, A. C. (2024). Socioeconomic factors and test preparation strategies are related to success on the USMLE Step 2 clinical knowledge (CK) exam: A single-institution study. BMC Medical Education, 24 (1), 1412. DOI: https://doi.org/10.1186/s12909-024-06414-x DOI: https://doi.org/10.1186/s12909-024-06414-x

3. Hesse, D. W., Ramsey, L. M., Bruner, L. P., Vega-Castillo, C. S., Teshager, D., Hill, J. R., Bond, M. T., Sperr, E. V., Jr., Baldwin, A., & Medlock, A. E. (2023). Exploring academic performance of medical students in an integrated hybrid curriculum by gender. Medical Science Educator, 33, 353–357. DOI: https://doi.org/10.1007/s40670-023-01743-w DOI: https://doi.org/10.1007/s40670-023-01743-w

4. Jacobparayil, A., Ali, H., Pomeroy, B., Baronia R., Chavez, M., & Ibrahim, Y. (2022). Predictors of performance on the United States Medical Licensing Examination Step 2 Clinical Knowledge: A systematic literature review. Cureus, 14 (2), e22280. DOI: https://doi.org/10.7759/cureus.22280 DOI: https://doi.org/10.7759/cureus.22280

5. Kaur, M., Lin, M. Y. C., Alseidi, A., Boscardin, C. K., Hauer, K. E., & Gomes, C. (2025). Predictors of USMLE Step 2 performance. Academic Medicine, 101 (3), 300–304. DOI: https://doi.org/10.1093/acamed/wvaf085 DOI: https://doi.org/10.1093/acamed/wvaf085

6. Kim, T., Chang, J. Y., Myung, S. J., Chang, Y., Park, K. D., Park, W. B., & Shin, C. S. (2016). Predictors of undergraduate and postgraduate clinical performance: A longitudinal cohort study. Journal of Surgical Education, 73 (4), 715–720. DOI: https://doi.org/10.1016/j.jsurg.2016.03.006 DOI: https://doi.org/10.1016/j.jsurg.2016.03.006

7. Law, A. K. K., So, J., Lui, C. T., Choi, Y. F., Cheung, K. H., Hung, K. K.-C., & Graham, C. A. (2025). AI versus human-generated multiplechoice questions for medical education: A cohort study in a high-stakes examination. BMC Medical Education, 25, 208. DOI: https://doi.org/10.1186/s12909-025-06796-6 DOI: https://doi.org/10.1186/s12909-025-06796-6

8. Monteverde-Suárez, D., González-Flores, P., Santos-Solórzano, R., García-Minjares, M., Zavala-Sierra, I., Luna de la Luz, V., & Sánchez-Mendiola,

M. (2024). Predicting students’ academic progress and related attributes in first-year medical students: An analysis with artificial neural networks and Naïve Bayes. BMC Medical Education, 24, 74. DOI: https://doi.org/10.1186/s12909-023-04918-6 DOI: https://doi.org/10.1186/s12909-023-04918-6

9. Sayed, M. S., Omar, Y. M., Shoman, N. A., Sherif, M., Nahla, U. A., SES Collaborative Group, & Khalil, D. M. (2026). Determinants of academic performance among medical students in Egypt: A multicenter cross-sectional study. Frontiers in Public Health, 13, 1710562. DOI: https://doi.org/10.3389/fpubh.2025.1710562 DOI: https://doi.org/10.3389/fpubh.2025.1710562

10. Tsikas, S. A., & Kieca, M. (2026). Student background, admission routes, and academic success: A structural mediation analysis. BMC Medical Education, 26, 578. DOI: https://doi.org/10.1186/s12909-026-09068-z DOI: https://doi.org/10.1186/s12909-026-09068-z

11. Vastyanov, R. S. (2024). Perspektyvy vdoskonalennia vykladannia patolohichnoi fiziolohii u medychnykh universytetakh [Prospects for improving the teaching of pathological physiology in medical universities]. Scientific Collection “InterConf”, (186), 95–102. Retrieved from: https://archive.interconf.center/index.php/conference-proceeding/article/view/5222

12. Wang, L., Laird-Fick, H. S., Parker, C. J., & Solomon, D. (2021). Using Markov chain model to evaluate medical students’ trajectory on progress tests and predict USMLE step 1 scores–a retrospective cohort study in one medical school. BMC Medical Education, 21 (1), 200. DOI: https://doi.org/10.1186/s12909-021-02633-8 DOI: https://doi.org/10.1186/s12909-021-02633-8

13. Ziablitsev, S., Nahornyi, O., & Melnyk, V. (2025). Selective learning trajectory as an educational modifier: Experience of the Pathophysiology Department of Bogomolets National Medical University. Medical Science of Ukraine, 21 (3), 113–122. DOI: https://doi.org/10.32345/2664-4738.3.2025.12 DOI: https://doi.org/10.32345/2664-4738.3.2025.12