Integrating addiction medicine training into medical school and residency curricula
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The Affordable Care Act (2010) brings an opportunity to increase the integration of addiction treatment into the health-care system. With the anticipated expansion of addiction care services in primary care, challenges, such as workforce training, can be expected. This presentation discusses challenges and opportunities for addiction medicine training of primary care professionals in Ireland, Canada, and Portland, Oregon. To explore ideas for integrating addiction medicine education into medical school, fellowship, and residency curricula and to consider how implementation barriers can be addressed. The presentation will outline the setup and content of some of the current addiction medicine education in medical schools and residency programs in Ireland, Canada, and Portland, Oregon. Examples from three educational initiatives will be used to generate ideas applicable to each setting and help overcome integration barriers: the St. Paul’s Hospital Goldcorp Addiction Medicine Fellowship ( http://www.addictionmedicinefellowship.org ), the feasibility study on alcohol SBIRT for opioid agonist patients in Ireland (PINTA), and the team-based SBIRT Oregon project ( http://www.sbirtoregon.org ). Scenarios that illustrate implementation strategies, such as educational outreach visits to practitioners—based on overcoming obstacles to change—and facilitators of integrating addiction medicine education into medical school and residency curricula, will be described. The presentation will conclude with an overview of how initiatives in which the authors have been involved may be used to improve addiction medicine 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.
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 | 0,041 | 0,352 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle