The Health Impacts of Climate Change: A Continuing Medical Education Needs Assessment Framework
Notice bibliographique
Résumé
INTRODUCTION: As the health consequences of climate change (CC) will likely become more manifest in the future, family physicians have to be knowledgeable about these impacts and the ways in which they can affect their patients. The main aim of this study was to propose a competency framework and questionnaire used to conduct a needs analysis to identify and prioritize family physicians' real educational needs regarding the health impacts of CC. METHODS: A mixed method combining a qualitative interview and a quantitative online questionnaire was used (n = 24 physicians). The interview assessed key beliefs related to participating in an online continuing medical education (eCME) activity on the health impacts of climate change, and the perception of the key factors or conditions required to ensure the family physicians' satisfaction with this eCME activity. The questionnaire assessed the current and desired levels of competency on five general training themes: general knowledge about CC; heat-related illnesses; CC, extreme weather events and modification of vector-borne and zoonotic diseases; CC, extreme weather events and modification of water-borne diseases; and mental health impacts of natural disasters. RESULTS: Results revealed the need for improved medical education on climate change and health. Results also add to the literature by showing that a 3-hour eCME activity covering these topics would be useful and would allow family physicians to use this knowledge in their daily practice, notably through prevention and counseling. DISCUSSION: Introducing a CME needs assessment framework and a generic instrument that reflects family physicians' needs regarding the health impacts of CC has the added advantage of standardizing the assessment procedure.
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 | 0,010 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».