Mapping of pain curricula across health professions programs at the University of Toronto
Notice bibliographique
Résumé
BACKGROUND: There is a growing societal need for health professional competency in pain care. The University of Toronto Centre for the Study of Pain-Interfaculty Pain Curriculum (UTCSP-IPC) has been offered since 2002. Content and process have been updated annually. In addition, participating health professions programs have advanced their pain teaching. A curricular scan was needed to creatively and constructively advance the UTCSP-IPC. AIM: The aim of this study was to map curricular pain content in participating health professions programs onto the UTCSP-IPC content as a first step to further curriculum design. METHODS: UTCSP-IPC committee members and faculty representatives from six health profession programs completed a 27-item online survey in this collaborative action study. Descriptive statistics were completed in Microsoft Excel. RESULTS: The UTCSP-IPC provided an average of 43.3% (range 32%-62%) of total pain content teaching hours to participating health professions students and a range of 8% to 100% of total opioid-related teaching hours. Curricular overlaps and gaps in pain content were identified and will be used to update and inform the iterative design of the UTCSP-IPC. Ninety-three percent of participating health professions faculty indicated that the interprofessional focus on pain care in the UTCSP-IPC was important. CONCLUSION: This study highlighted the value of the UTCSP and areas of curricular refinement to ensure continued relevance in relationship to pain content within the six participating health professions programs. Mapping a coordinated approach between uniprofessional and interprofessional teaching will both meet the demands of professional competence and create greater applicability to future practice settings.
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 | 0,007 | 0,001 |
| 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 | 0,001 | 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) | 0,002 | 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 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 ».