Advancing Educational Continuity in Primary Care Residencies
Notice bibliographique
Résumé
Continuity of care is a core value of patients and primary care physicians, yet in graduate medical education (GME), creating effective clinical teaching environments that emphasize continuity poses challenges. In this Perspective, the authors review three dimensions of continuity for patient care-informational, longitudinal, and interpersonal-and propose analogous dimensions describing continuity for learning that address both residents learning from patient care and supervisors and interprofessional team members supporting residents' competency development. The authors review primary care GME reform efforts through the lens of continuity, including the growing body of evidence that highlights the importance of longitudinal continuity between learners and supervisors for making competency judgments. The authors consider the challenges that primary care residency programs face in the wake of practice transformation to patient-centered medical home models and make recommendations to maximize the opportunity that these practice models provide. First, educators, researchers, and policy makers must be more precise with terms describing various dimensions of continuity. Second, research should prioritize developing assessments that enable the study of the impact of interpersonal continuity on clinical outcomes for patients and learning outcomes for residents. Third, residency programs should establish program structures that provide informational and longitudinal continuity to enable the development of interpersonal continuity for care and learning. Fourth, these educational models and continuity assessments should extend to the level of the interprofessional team. Fifth, policy leaders should develop a meaningful recognition process that rewards academic practices for training the primary care workforce.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,002 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».