Initiation of a multidisciplinary summer studentship in palliative and supportive care in oncology
Notice bibliographique
Résumé
PURPOSE: The optimal setting for interprofessional education (IPE) for prelicensure health care trainees is unclear, especially in a field as complex and emotionally challenging as oncology. In this article, the authors describe the initiation of the Cross Cancer Institute Multidisciplinary Summer Studentship in Palliative and Supportive Care in Oncology, a 6-week, multidisciplinary team-based clinical placement in supportive care, designed to incorporate features of best practice cooperative learning. METHODS: A steering committee established goals, structure, eligibility criteria, application process, funding, and a consensus approach to instruction and evaluation for the IPE program. Studentship components included mandatory and flexible clinical time, an exploratory investigation, discussion groups, and a presentation. Two senior students per iteration were selected from clinical nutrition, medicine, nursing, occupational therapy, pharmacy, physiotherapy, respiratory therapy, social work, and speech-language pathology applicants. These students completed questionnaires investigating their views of their own and others' professions at baseline, at the end of the rotation, and 6 months after the studentship. RESULTS: Eight students from medicine, clinical nutrition, occupational therapy, physiotherapy, and speech-language pathology have participated to date. At the elective's end, students have described a more positive view of multidisciplinary team practice, with each participating discipline perceived as both more caring and more subservient than at baseline. In general, changes in attitudes were maintained 6 months after completion of the placement. CONCLUSION: This 6-week multidisciplinary placement is feasible, successful, and potentially transferable to other academic settings. The results of this study suggest that even over as short a period as 6 weeks, objective attitudinal and perceptual change is seen.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».