Training Veterinary Students in Shelter Medicine: A Service-Learning Community-Classroom Technique
Notice bibliographique
Résumé
Shelter medicine is a rapidly developing field of great importance, and shelters themselves provide abundant training opportunities for veterinary medical students. Students trained in shelter medicine have opportunities to practice zoonotic and species-specific infectious disease control, behavioral evaluation and management, primary care, animal welfare, ethics, and public policy issues. A range of sheltering systems now exists, from brick-and-mortar facilities to networks of foster homes with no centralized facility. Exposure to a single shelter setting may not allow students to understand the full range of sheltering systems that exist; a community-classroom approach introduces students to a diverse array of sheltering systems while providing practical experience. This article presents the details and results of a series of 2-week elective clinical rotations with a focus on field and service learning in animal shelters. The overall aim was to provide opportunities that familiarized students with sheltering systems and delivered primary-care training. Other priorities included increasing awareness of public health concerns and equipping students to evaluate shelters on design, operating protocols, infectious disease control, animal enrichment, and community outreach. Students were required to participate in rounds and complete a project that addressed a need recognized by them during the rotation. This article includes costs associated with the rotation, a blueprint for how the rotation was carried out at our institution, and details of shelters visited and animals treated, including a breakdown of treatments provided. Also discussed are the student projects and student feedback on this valuable clinical experience.
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 | 0,010 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».