A student-led curriculum framework for homeless and vulnerably housed populations
Notice bibliographique
Résumé
BACKGROUND: Medical student demands for competency based homeless health education is increasing. Indeed, humans living homeless is a treatable health and social emergency. This innovation report outlines the initial development of an education framework for homeless health. METHODS: A medical student task force and educators conducted a mixed method study, including a scoping review of homeless health curriculum and competencies, a cross-country survey of medical students, and unique clinical guidelines. The task force collaborated with persons with lived experience and clinical guideline developers from the Homeless Health Research Network. The students presented at the Toronto Homeless Health Summit and refined the framework with feedback from homeless health experts. RESULTS: The main outcome was an evidence-based Homeless Health Curriculum Framework. It uses seven core competencies; with communication, advocacy, leadership, and upstream approaches playing the strongest roles. The framework integrated the new clinical guideline (housing, income assistance, case management and addiction). In addition, it identified approaches to support mental health care with trauma informed and patient centered care. It identified public health values, clinical objectives, and case studies. The framework aims to inform the design, delivery, service learning and evaluation for medical school curriculum. CONCLUSIONS: This student-led curriculum framework can support the design, implementation, delivery and evaluation of homeless health within the undergraduate medical curriculum. The framework can lay the foundation for new doctors, research and development; support consistency across programs; and support the creation of national learning and evaluation tools.
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 | 0,000 | 0,005 |
| 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 | 0,001 | 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) | 0,001 | 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 ».