Preparing residents to deal with human trafficking
Notice bibliographique
Résumé
BACKGROUND: Victims of human trafficking (HT) are predisposed to numerous health concerns. Many encounter health care practitioners during captivity, but awareness and knowledge among front-line physicians is low. Limited data exist on attempts to address this within residency training programmes. Formal curriculum time in residency is limited and online modules may be a useful educational option. METHODS: Residents in family medicine, emergency medicine and general paediatrics at the University of Alberta were invited to participate. They completed short surveys to assess knowledge both before and after completing an online learning module either individually (n = 15) or in a facilitated session (n = 17). Baseline and post-intervention changes in self-reported and tested knowledge were assessed. RESULTS: Thirty-two residents completed the pre-intervention survey: only 6% self-identified as somewhat knowledgeable on HT and 16% knew the red flags used to identify victims. Eighty-one percent wanted this topic incorporated into residency training, but only 6% and 25% had received education previously in residency or medical school, respectively. Thirteen percent were comfortable supporting victims, and 6% reported knowing how to provide support. Twenty residents completed the post-intervention survey, with improvements in both self-reported (p < 0.001) and tested (p = 0.005) knowledge of HT. Residents also reported being more prepared to identify victims (p < 0.001), more comfortable supporting victims (p < 0.001) and more confident in knowing how to support victims (p < 0.001). DISCUSSION: Baseline HT knowledge in residents providing first-contact care appears limited. Residency programmes should consider providing more HT education in order to improve competency in care. Although an online module was shown to be effective, protected time might be necessary for the widespread adoption of online education delivery.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».