MétaCan
Menu
Retour à la cohorte
Enregistrement W2905120171 · doi:10.1186/s12909-018-1401-1

Predictors of medical student interest in Indigenous health learning and clinical practice: a Canadian case study

2018· article· en· W2905120171 sur OpenAlexafffundabout
Sharon Yeung, Amy Bombay, Chad Walker, Jeff Denis, Debbie Martin, Paul Sylvestre, Heather Castleden

Notice bibliographique

RevueBMC Medical Education · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCultural Competency in Health Care
Établissements canadiensMcMaster UniversityDalhousie UniversityQueen's University
Organismes subventionnairesCanada Excellence Research Chairs, Government of CanadaNova Scotia Health Research Foundation
Mots-clésIndigenousPreparednessCurriculumMedicineCommunity healthMedical educationPsychologyPolitical scienceNursingPublic healthPedagogy

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Including content on Indigenous health in medical school curricula has become a widely-acknowledged prerequisite to reducing the health disparities experienced by Indigenous peoples in Canada. However, little is known about what levels of awareness and interest medical students have about Indigenous peoples when they enter medical school. Additionally, it is unclear whether current Indigenous health curricula ultimately improve students' beliefs and behaviours. METHODS: A total of 129 students completed a 43-item questionnaire that was sent to three cohorts of first-year medical students (in 2013, 2014, 2015) at one undergraduate medical school in Canada. This survey included items to evaluate students' sociopolitical attitudes towards Indigenous people, knowledge of colonization and its links to Indigenous health inequities, knowledge of Indigenous health inequities, and self-rated educational preparedness to work with Indigenous patients. The survey also assessed students' perceived importance of learning about Indigenous peoples in medical school, and their interest in working in an Indigenous community, which were examined as outcomes. Using principal component analysis, survey items were grouped into five independent factors and outcomes were modelled using staged multivariate regression analyses. RESULTS: Generally, students reported strong interest in Indigenous health but did not believe themselves adequately educated or prepared to work in an Indigenous community. When controlling for age and gender, the strongest predictors of perceived importance of learning about Indigenous health were positive sociopolitical attitudes about Indigenous peoples and knowledge about colonization and its links to Indigenous health inequities. Significant predictors for interest in working in an Indigenous community were positive sociopolitical attitudes about Indigenous peoples. Knowledge about Indigenous health inequities was negatively associated with interest in working in an Indigenous community. CONCLUSIONS: Students' positive sociopolitical attitudes about Indigenous peoples is the strongest predictor of both perceived importance of learning about Indigenous health and interest in working in Indigenous communities. In addition to teaching students about the links between colonization, health inequities and other knowledge-based concepts, medical educators must consider the importance of attitude change in designing Indigenous health curricula and include opportunities for experiential learning to shape students' future behaviours and ultimately improve physician relationships with Indigenous patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,290

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0120,002
Communication savante0,0020,001
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,106
Tête enseignante GPT0,549
Écart entre enseignants0,443 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Medical EducationMême sujetCultural Competency in Health CareTravaux en français237 207