A Pilot Survey of Medical Students' Perspectives on Their Educational Exposure to Palliative Care in Two Canadian Universities
Notice bibliographique
Résumé
BACKGROUND: Graduating medical students from the class of 1999 from McGill University and the University of Alberta completed a self-administered, anonymous, pilot survey to determine students' perspectives on how their educational experience in common palliative care topics contrasted with their educational experience in the diagnosis and management of hypertension, non palliative aspects of breast cancer, and patients dying of acquired immune deficiency syndrome (AIDS). METHODS: A Likert scale ranging from "excellent," scored 1, "very poor," scored 5, was used. Students also estimated the number of hours they spent, during their training, in operating rooms, on home visits to terminally ill patients, and in interprofessional teaching. RESULTS: Sixty of 114 (53%) students from McGill University, and 53 of 110 (48%) students from the University of Alberta responded to the survey. The mean ratings of education experience in the various topics for both universities combined were as follows: hypertension, 2.03; breast cancer, 2.33; cancer pain, 3.42; communicating with dying patients, 3.32; and caring for patients with AIDS, 4.15. The average number of hours spent in the operating room, on home visits to terminally patients, and in interprofessional teaching for both universities combined were 155 hours, 4.2 hours, and 16 hours, respectively. Of the responding students from both universities 83% favored increased palliative care teaching. CONCLUSION: Despite the disproportionate number of hours spent in operating rooms compared to palliative care community exposure, only two students, one from each university, favored shortening surgical rotations to allow for increased time for palliative care education. Recommendations, including increasing palliative care education during clinical clerkships, are provided to improve medical students' perceptions of their educational experiences in palliative care education.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».