Experiential interprofessional education for medical students at a regional medical campus
Notice bibliographique
Résumé
BACKGROUND: Regional medical campuses are often challenged with providing effective interprofessional education (IPE) opportunities for medical students that are comparable to those at main campuses. At distributed teaching sites, there is often less IPE infrastructure and fewer learners of other health professions. On the other hand, distributed medical education (DME) settings often have community-based clinical environments and fewer medical students, which can provide unique opportunities for IPE curriculum innovation. METHODS: At the Niagara Regional Campus (NRC) of McMaster University, the Horizontal Elective for Interprofessional Growth & Healthcare Team ENhancement (HEIGHTEN) was developed to provide first-year medical students the opportunity to learn from and work alongside nurses in a community hospital. This study assesses HEIGHTEN's impact on students' knowledge, confidence, and attitudes towards interprofessional care, as well as student satisfaction with the learning experience using a mixed methods evaluation. RESULTS: Findings suggest that HEIGHTEN provided an enjoyable learning experience, fostered positive interprofessional attitudes and an appreciation for the nursing role. Voluntary participation by medical students was high and increased both within the regional campus and with students from other campuses travelling to participate. CONCLUSION: This model for IPE can be feasibly replicated by distributed teaching sites to provide medical students with hands-on, experiential learning early in training, leading to positive attitudes and behaviours supporting interprofessional collaboration (IPC).
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 | 0,004 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,250 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».