MétaCan
Menu
Retour à la cohorte
Enregistrement W1560007322

Meeting CanMEDS objective through global health education at MUN

2013· article· en· W1560007322 sur OpenAlexaffabout
Jill Alison, Shree Mulay

Notice bibliographique

RevueThe Journal of Macrodynamic Analysis (Memorial University of Newfoundland) · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Health and Surgery
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésGlobal healthAccreditationSocial determinants of healthMedicineMedical educationCurriculumHealth equityInternational healthDebriefingPublic healthHealth educationPolitical sciencePublic relationsNursingPsychologyPedagogy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Background The academic and practical benefit of global health education have been recognized and endorsed by the Association of Faculties of Medicine in Canada (AFMC) and articulated by the AFMC Resource Group (2011). Clinical skill acquired in low resource contexts are augmented by a broader understanding of both the social determinants of health and the importance of health advocacy, one of the CanMEDS key roles for physicians. New accreditation standards set out by the LCME and endorsed by IFMS, include pre-departure training for international electives, debriefing post elective and emphasize patient and trainee safety.i Together, these developments provided the impetus for a Global Health Office at MUN. Objectives We demonstrate the value of a Global Health curriculum in Undergraduate Medical Education through programs based on Can MEDS core competencies and key physician roles. These include medical expert, communicator, collaborator, manager, health advocate, scholar, and professional. We hope to demonstrate that through integrating global health education trainees will identify barriers to health equity; identify social, political and economic determinants of health; and develop skills for health and human rights advocacy. These objectives also promote social accountability in medical education as part of MCCQE preparation. Methods For the past two years one of us (SM) has participated in the AFMC-GHRG crafting core competencies for international electives. This group meets regularly and has conducted a survey of all universities that offer global health electives for medical students and residents. Building on this work we are establishing best practices and core competencies in global health programming a t MUN and strengthening alignments with existing academic programs in the Faculty of Medicine as well as the Aboriginal Health Initiative and Gateway Project. Conclusions: The commitment to global health programs is an increasingly globalized world with diverse populations, and to meet the challenges of working in under-resourced health care settings.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,247
Score d'incertitude au seuil0,826

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0040,002
Science ouverte0,0010,007
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,2470,048

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,007
Tête enseignante GPT0,268
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Macrodynamic Analysis (Memorial University of Newfoundland)Même sujetGlobal Health and SurgeryTravaux en français237 207