Smoking cessation counselling training in the pre-clerkship curriculum of Canadian medical schools: A national survey
Notice bibliographique
Résumé
Background: Cigarette use is Canada’s leading cause of preventable disease, disability, and death. The Medical Council of Canada requires that physicians be able to address tobacco-use, however smoking cessation counselling (SCC) training remains largely neglected in the pre-clerkship curricula of many Canadian medical schools.Methods: Between July and October of 2015, Canada’s 17 medical schools were invited to participate in an administrative survey: The Canadian Medical School Assessment of Smoking Cessation Counselling in the Pre-Clerkship Curriculum. Each was asked to comment on the presence of 28 tobacco-related topics in their curricula, including: time devoted to source material; year(s) of training during which medical students were exposed to related content; methods of teaching and examination; and, the attitudes, policies, and barriers relevant to the presence of smoking cessation counselling (SCC) training in the curriculum.A second short survey: Assessing Medical Students Attitudes toward Smoking Cessation Education was distributed to 100 University of Ottawa medical students to assess comfort level and perceived confidence toward addressing smoking cessation with patients.Results: Eleven of 17 medical schools completed the administrative survey. The results demonstrated substantial deficits and inconsistencies in the delivery of SCC training in the pre-clerkship curricula of Canada’s medical schools. The short survey revealed perceived discomfort regarding smoking cessation discussion, consistent with the potential curriculum deficits suggested in the larger national survey.Conclusion: The results of both surveys suggest an unfortunate oversight given the devastating impact of tobacco-related diseases. Institutional commitment and enhanced inter-university collaboration could facilitate the development of a national undergraduate medical education program to enhance the delivery of SCC training within the pre-clerkship curricula of Canadian medical schools.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».