MétaCan
Menu
Retour à la cohorte
Enregistrement W1979442783 · doi:10.1093/ageing/afu077

Equipping tomorrow's doctors for the patients of today

2014· article· en· W1979442783 sur OpenAlexaboutno aff
Rachel Oakley, J. Pattinson, Sarah Goldberg, Laura Daunt, Rajvinder Samra, Tahir Masud, John Gladman, Adrian Blundell, Adam Gordon

Notice bibliographique

RevueAge and Ageing · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurriculumMedicineMedical educationGeriatricsPsychological interventionAsideHealth careWork (physics)NursingPsychologyPedagogy

Résumé

récupéré en direct d'OpenAlex

As the proportion of older patients with frailty presenting to health services increases, so does the need for doctors to be adequately trained to meet their needs. The presentations seen in such patients, the evidence-based models of care and skillsets required to deliver them are different than for younger patient groups-so specific training is required. Several research programmes have used detailed and explicit methods to establish evidence-based expert-validated curricula outlining learning outcomes for undergraduates in geriatric medicine-there is now broad-consensus on what newly qualified doctors need to know. There are, despite this, shortcomings in the teaching of undergraduates about geriatric medicine. National and international surveys from the UK, EU, USA, Canada, Austria and the Netherlands have all shown shortcomings in the content and amount of undergraduate teaching. Mechanisms to improve this situation, aside from specifying curricula, include developing academic departments and professorships in geriatric medicine, providing grants to develop teaching in geriatric medicine and developing novel teaching interventions to make the best of existing resources. Under the last of these headings, innovations have been shown to improve outcomes by: using technology to ensure the most effective allocation of teaching time and resources; using inter-professional education as a means of improving attitudes towards care of older patients; focusing teaching specifically on attitudes towards older patients and those who work with them; and trying to engage patients in teaching. Research areas going forward include how to incentivise medical schools to deliver specified curricula, how to choose from an ever-expanding array of teaching technologies, how to implement interprofessional education in a sustainable way and how to design teaching interventions using a qualitative understanding of attitudes towards older patients and the teams that care for them.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,975
Score d'incertitude au seuil0,102

Scores Codex et Gemma par catégorie

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

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 Opus0,015
Tête enseignante GPT0,296
Écart entre enseignants0,281 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations43
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAge and AgeingMême sujetInnovations in Medical EducationTravaux en français237 207