Veterinary Student Opinions Regarding Ethical Dilemmas Encountered by Veterinarians and the Benefits of Ethics Instruction
Notice bibliographique
Résumé
= 284) from four US schools were surveyed regarding their opinions on ethical dilemmas encountered by veterinarians and the benefits of ethics instruction. The majority of respondents had encountered all clinical scenarios that may be associated with ethical dilemmas that were provided. The most common ethical dilemma experienced was compromise of patient care because of financial limitations. Students with at least 12 months of experience were more likely to believe that practitioners encounter ethical dilemmas regularly. Although 92% of 271 respondents indicated that veterinarians should prioritize patient interests when the interests of clients and patients conflict, 84% of respondents reported that veterinarians most often prioritize client interests. Most (78%) respondents indicated having received training in ethical theories and approaches to address ethical dilemmas. The majority of respondents agreed that they feel better prepared to identify (80%) and address (55%) ethical dilemmas as a result of their ethics training. Most respondents (81%) identified experiencing moral stress in relation to how animals were treated. Only 46% of respondents reported receiving training in tools for coping with moral stress. Most of these respondents (54%) agreed that such training would be effective in helping to manage moral stress. Results suggested that educators should prepare students for the contrast in advocacy preferences they are apt to encounter when they enter practice. It is recommended that ethics training and tools for coping with moral stress be core components of the veterinary curriculum.
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 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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».