White Paper—Geriatric Emergency Medicine Education: Current State, Challenges, and Recommendations to Enhance the Emergency Care of Older Adults
Notice bibliographique
Résumé
Older adults account for 25% of all emergency department (ED) patient encounters. One in five Americans will be 65 or older by 2030. In response to this need, geriatric emergency medicine (GEM) has developed into a robust area of academic and clinical interest, with extensive evidence-based research and guidelines, including clear undergraduate and postgraduate GEM competencies. Despite these developments, GEM content remains underrepresented in curricula and licensing examinations. The complex reasons for these deficits include a perception that care of older adults is not a core emergency medicine (EM) competency, a disjunction between traditional definitions of expertise and the GEM perspective, and lack of curricular capacity. This White Paper, prepared on behalf of the Academy of Geriatric Emergency Medicine, describes the state of GEM education, identifies the challenges it faces, and reviews innovations, including research presented at the 2018 Society for Academic Emergency Medicine (SAEM) Annual Scientific Meeting. The authors propose a number of recommendations. These include recognizing GEM as a core educational priority in EM, enhancing academic support for GEM clinician-educators, using social learning and practical problem solving to teach GEM concepts, emphasizing a whole-person multisystem approach to care of older adults, and identifying ageist attitudes as a hurdle to safe and effective GEM care.
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 | 0,017 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,009 | 0,009 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,008 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,005 |
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 ».