Homelessness in the Medical Curriculum: An Analysis of Case-Based Learning Content From One Canadian Medical School
Notice bibliographique
Résumé
UNLABELLED: PHENOMENON: Homelessness is a major public health concern. Given that homeless individuals have high rates of mortality and morbidity, are more likely to be users of the healthcare system, and often report unmet health needs, it is important to examine how homelessness is addressed in medical education. We wanted to examine content and framing of issues related to homelessness in the case-based learning (CBL) curriculum and provide insights about whether medical students are being adequately trained to meet the health needs of homeless individuals through CBL. APPROACH: CBL content at a Canadian medical school that featured content related to homelessness was analyzed. Data were extracted from cases for the following variables: curriculum unit (e.g., professionalism/ethics curriculum or biomedical/clinical curriculum), patient characteristics (e.g., age, sex), and medical and social conditions. A thematic analysis was performed on cases related to homelessness. Discrepancies in analysis were resolved by consensus. FINDINGS: Homelessness was mentioned in five (2.6%) of 191 CBL cases in the medical curriculum. Homelessness was significantly more likely to be featured in professionalism/ethics cases than in biomedical/clinical cases (p = .03). Homeless patients were portrayed as socially disadvantaged individuals, and medical learners were prompted to discuss ethical issues related to homeless patients in cases. However, homeless individuals were largely voiceless in cases. Homelessness was associated with serious physical and mental health concerns, but students were rarely prompted to address these concerns. Insights: The health and social needs of homeless individuals are often overlooked in CBL cases in the medical curriculum. Moreover, stereotypes of homelessness may be reinforced through medical training. There are opportunities for growth in addressing the needs of homeless individuals through medical 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 | 0,006 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,013 | 0,014 |
| Études des sciences et des technologies | 0,008 | 0,004 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,003 | 0,004 |
| 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 ».