Expert Consensus on Inclusion of the Social Determinants of Health in Undergraduate Medical Education Curricula
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: Accreditation bodies have mandated teaching social determinants of health (SDH) to medical students, but there has been limited guidance for educators on what or how to teach, and how to evaluate students' competence. To fill this gap, this study aimed to develop an SDH curricular consensus guide for teaching SDH to medical students. METHOD: In 2017, the authors used a modified Delphi technique to survey an expert panel of educators, researchers, students, and community advocates about knowledge, skills, and attitudes (KSA) and logistics regarding SDH teaching and assessment. They identified the panel and ranked a comprehensive list of topics based on a scoping review of SDH education studies and discussions with key informants. A total of 57 experts were invited. RESULTS: Twenty-two and 12 panelists participated in Delphi rounds 1 and 2, respectively. The highest-ranked items regarding KSA were "Appreciation that the SDH are some of the root causes of health outcomes and health inequities" and "How to work effectively with community health workers." The panel achieved consensus that SDH should constitute 29% of the total curriculum and be taught continuously throughout the curriculum. Multiple-choice tests were ranked lowest as an assessment method, and patient feedback was ranked highest. Panelists noted that SDH content must be a part of standardized exams to be prioritized by faculty and students. CONCLUSIONS: An expert panel endorsed essential curricular content, teaching methods, and evaluation approaches that can be used to help guide medical educators regarding SDH curriculum development.
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.
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 | 0,002 | 0,002 |
| 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 | 0,000 |
| 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) | 0,000 | 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 découle