A New Curriculum Framework for Clinical Prevention and Population Health, with a Review of Clinical Caries Prevention Teaching in U.S. and Canadian Dental Schools
Notice bibliographique
Résumé
To fulfill the Healthy People 2010 Objective 1.7, "Increase the proportion of . . . health professional training schools whose basic curriculum for health care providers includes the core competencies in health promotion and disease prevention," the Healthy People Curriculum Task Force has developed a curriculum framework for clinical prevention and population health for all the health professions. This framework has four components: 1) evidence base for practice; 2) clinical preventive services, including health promotion; 3) health systems and health policy; and 4) community aspects of practice. Within these four common components are nineteen domains, for which each health profession is identifying its own educational objectives. An inventory of knowledge and skills is being developed. A prerequisite to promoting change in the teaching of dental prevention and population oral health is to better understand the current status. Sixty-six of sixty-eight U.S. and Canadian dental schools provided input on the teaching of one important aspect of this wider topic--dental caries prevention--before a December 2002 Clinical Preventive Dentistry Leadership Conference in Cincinnati, OH. In clinical teaching, 68 percent of dental schools included caries risk assessment and also reevaluated preventive outcomes, but while 65 percent included remineralization procedures, only 38 percent specifically reevaluated this outcome. Faculty members have commonalities in attitudes about the advantages and problems in improving teaching in clinical prevention, yet dental schools act individually in curricular design and implementation. The conference introduced a method of conceptualizing change, so that dental schools might address organizational barriers in clinical curriculum development. Even with the new common curriculum framework, other barriers to improved dental prevention and population oral health exist: these include organizational change in dental schools, dental practices, and dental clinics; reimbursement issues and incentives; and lack of accepted and explicit standards in dental care.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».