Evaluation of a Community-based Concussion Prevention and Advocacy Program at the University of Ottawa
Notice bibliographique
Résumé
Background: Injury prevention and advocacy often receives little attention in medical education despite constituting a leading cause of morbidity and premature deaths. Brain Waves is a national concussion prevention program where medical student volunteers (MSVs) deliver a one-hour interactive presentation at the classroom level. This paper reviews the data from the past eleven years of curriculum delivery, highlighting the successes and challenges towards initiating an injury prevention advocacy program at the medical school level.
 Methods: Our database included demographics collected from 2007 to 2017 as well as online survey ratings and written feedback from participating teachers and MSVs for the 2016 and 2017 school years.
 Results: The Ottawa’s Brain Waves program has been successful in the recruitment of 636 MSVs and delivering the curriculum to 9848 elementary school students over the past 11 years. Survey responses from MSVs (N=36) rated their experience positively on a 5-item Likert scale for the following dimensions for the injury prevention curriculum: Training satisfaction (4.72±0.46), Competence (4.80±0.41) and Timing (4.51±0.67). Teacher responses (N=10) showed that 90% rated the program as “Good” or “Excellent”. Written feedback from MSVs and teachers highlighted the importance of time management, focused-lesson plans and activity-based engagement.
 Conclusions: Through involvement in the Ottawa Brain Waves program, MSVs actively contributed to mitigating risks of accidental brain injuries, adapted to the needs of the classroom and heightened their curiosity in community-based advocacy.
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 | 0,000 | 0,002 |
| 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) | 0,001 | 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 ».