“But I See Old People Everywhere”: Dispelling the Myth That Eldercare Is Learned in Nongeriatric Clerkships
Notice bibliographique
Résumé
PURPOSE: To test the assumption that knowledge, attitudes, and skills (KAS) in geriatrics are learned via exposure to elderly patients in nongeriatric clerkships. In the developed world, the proportion of adults > or = 65 years old will soon surpass the proportion of children <14. However, clinical clerkships containing geriatric rotations are not mandated by the Liaison Committee for Medical Education. METHOD: The authors assessed differences in geriatrics-focused KAS between medical students who completed a rotation in eldercare and those who completed a traditional nongeriatric clerkship. Over two academic years, the authors randomly assigned 263 clinical clerks to a clerkship year that did (eldercare group) or did not contain a two-week rotation focused on geriatrics. All students completed questionnaires that assessed their knowledge of and attitudes toward geriatric patients before and after their clerkships. Before graduation, all students completed an objective structured clinical examination (OSCE) including a clinical station focused on geriatrics. RESULTS: Questionnaire and OSCE station response rates were 74.8% and 100%, respectively. The eldercare group had significantly higher knowledge scores (P = .004). Students' attitudes toward older adults worsened over the clerkship year in both groups, but slightly less in the eldercare group; that group had significantly higher OSCE geriatric station scores and overall pass rates (both: P < .001). CONCLUSIONS: Geriatrics is often regarded as a nonessential discipline. This study showed, however, that a clerkship year containing a specialized geriatric rotation is significantly more effective than a traditional clerkship year in preparing students to care for an aging population.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».