Barriers and facilitators to implementing addiction medicine fellowships: a qualitative study with fellows, medical students, residents and preceptors
Notice bibliographique
Résumé
BACKGROUND: Although progress in science has driven advances in addiction medicine, this subject has not been adequately taught to medical trainees and physicians. As a result, there has been poor integration of evidence-based practices in addiction medicine into physician training which has impeded addiction treatment and care. Recently, a number of training initiatives have emerged internationally, including the addiction medicine fellowships in Vancouver, Canada. This study was undertaken to examine barriers and facilitators of implementing addiction medicine fellowships. METHODS: We interviewed trainees and faculty from clinical and research training programmes in addiction medicine at St Paul's Hospital in Vancouver, Canada (N = 26) about barriers and facilitators to implementation of physician training in addiction medicine. We included medical students, residents, fellows and supervising physicians from a variety of specialities. We analysed interview transcripts thematically by using NVivo software. RESULTS: We identified six domains relating to training implementation: (1) organisational, (2) structural, (3) teacher, (4) learner, (5) patient and (6) community related variables either hindered or fostered addiction medicine education, depending on context. Human resources, variety of rotations, peer support and mentoring fostered implementation of addiction training. Money, time and space limitations hindered implementation. Participant accounts underscored how faculty and staff facilitated the implementation of both the clinical and the research training. CONCLUSIONS: Implementation of addiction medicine fellowships appears feasible, although a number of barriers exist. Research into factors within the local/practice environment that shape delivery of education to ensure consistent and quality education scale-up is a priority.
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 | 0,025 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,008 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,004 |
| 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 ».