The Role of Veterinary Education in Safety Policies for Animal-Assisted Therapy and Activities in Hospitals and Nursing Homes
Notice bibliographique
Résumé
Animal-assisted activities (AAA) and animal-assisted therapy (AAT) programs are increasing in popularity, but current programs vary in their safety and health policies. Veterinarians can have an important role in ensuring the safety of both the animals and humans involved, but it is unclear how best to educate veterinary students to serve effectively in this role. Therefore, the goal of this study was to assess the knowledge gaps and perceptions of first-year veterinary students on health and safety aspects of AAA/AAT programs by administering a survey. This information could then guide future educational training in veterinary schools to address the knowledge gaps in this area. Formal education during the veterinary curriculum had not yet been provided to these students on AAA/AAT before the survey. Of 98 first-year veterinary students, 91 completed the survey. When asked about policies on visiting animals, 58% of students responded that nursing homes are required to have a policy and 67% responded that hospitals are required to have one. Three quarters of students reported that veterinarians, animal handlers, and facilities should share the responsibility for ensuring safe human-animal interaction in AAA/AAT programs. Most (82%) of the students responded that all or most national and local therapy animal groups prohibit animals that consume raw meat diets from participating in AAA/AAT programs. The results of this survey will help veterinary schools better identify knowledge gaps that can be addressed in veterinary curricula so future veterinarians will be equipped to provide appropriate public health information regarding AAA/AAT programs.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».