The expert patient as teacher: an interprofessional Health Mentors programme
Notice bibliographique
Résumé
BACKGROUND: To meet future health care needs, medical education must increase the emphasis on chronic illness care, interprofessional teamwork, and working in partnership with patients and families. One way to address these needs is to involve patients as teachers in longitudinal interprofessional educational programmes grounded in principles of patient-professional partnerships and shared decision-making. CONTEXT: The University of British Columbia has a history of initiatives designed to bring patient and community voices into health professional education. Increasing opportunities for interprofessional education has become important because of accreditation requirements. INNOVATION: We describe preliminary findings from a 3-year pilot of an interprofessional Health Mentors programme, an elective patient-as-teacher initiative in which groups of four students from different disciplines learn together, with and from a mentor with a chronic condition (an 'expert by experience') over three semesters. The goals, achieved through six themed meetings and a symposium, are to learn about living with a chronic condition from the patient's perspective and to develop interprofessional competencies. Groups are given suggested topics for each meeting, but function as self-managed learning communities, and are encouraged to explore their own questions. Faculty members support direct learning between students and mentors through setting broad objectives and responding to the student reflections written after each group meeting. Students and mentors rate the programme highly, and a wide range of important learning outcomes have been documented. Medical education must increase the emphasis on chronic illness care, working in partnership with patients IMPLICATIONS: Key characteristics, generalisable to other educational programmes, include the role of faculty staff in supporting learning between students and patients, a minimalist structure to promote ownership and creativity, and flexible delivery.
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 | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,003 |
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 ».