MétaCan
Menu
Retour à la cohorte
Enregistrement W3012840692 · doi:10.4103/jfmpc.jfmpc_1211_19

Disability-inclusive compassionate care: Disability competencies for an Indian Medical Graduate

2020· article· en· W3012840692 sur OpenAlexaboutno aff
Satendra Singh, KamalaGullapalli Cotts, KhanAmir Maroof, Upreet Dhaliwal, Navjeevan Singh, Tao Xie

Notice bibliographique

RevueJournal of Family Medicine and Primary Care · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineAccreditationCurriculumMedical educationFraming (construction)Graduate medical educationHuman rightsMedical model of disabilityNursingHealth carePedagogyPsychologyPolitical sciencePsychiatry

Résumé

récupéré en direct d'OpenAlex

The new curriculum of the Medical Council of India (MCI) lacks disability-related competencies. This further involves the risk of perpetuating the medicalization of diverse human experiences and many medical students may graduate with little to no exposure to the principles of disability-inclusive compassionate care. Taking into consideration the UN Convention, the Rights of Persons with Disabilities, Act 2016, and by involving the three key stakeholders - disability rights activists, doctors with disabilities, and health profession educators - in the focus group discussions, 52 disability competencies were framed under the five roles of an Indian Medical Graduate (IMG) as prescribed by the MCI. Based on feedback from other stakeholders all over India, the competencies were further refined into 27 disability competencies (clinician: 9; leader: 4; communicator: 5; lifelong learner: 5; and professional: 4) which the stakeholders felt should be demonstrated by health professionals while they care for patients with disabilities. The competencies are based on the human rights approach to disability and are also aligned with the competencies defined by accreditation boards in the US and in Canada. The paper describes the approach used in the framing of these competencies, and how parts of these were ultimately included in the new competency-based medical education curriculum in India.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,005
Communication savante0,0030,002
Science ouverte0,0010,009
Intégrité de la recherche0,0010,006
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,081
Tête enseignante GPT0,382
Écart entre enseignants0,301 · 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'étudeThéorique ou conceptuel
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

Citations29
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Family Medicine and Primary CareMême sujetInnovations in Medical EducationTravaux en français237 207