MétaCan
Menu
Retour à la cohorte
Enregistrement W3112328724 · doi:10.1016/j.echu.2020.10.001

Pro Bono Services in 4 Health Care Professions: A Discussion of Exemplars

2020· review· en· W3112328724 sur OpenAlexaff
Kassandre Goupil, F. Stuart Kinsinger

Notice bibliographique

RevueJournal of Chiropractic Humanities · 2020
Typereview
Langueen
DomaineHealth Professions
ThématiqueHealthcare cost, quality, practices
Établissements canadiensCanadian Memorial Chiropractic College
Organismes subventionnairesnon disponible
Mots-clésUnderinsuredChiropracticDisadvantagedMedicineHealth careCurriculumInclusion (mineral)Health professionsMedical educationNursingAlternative medicineFamily medicineSociologyPolitical scienceHealth insurancePedagogyLaw

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The purpose of this article is to discuss exemplars of pro bono and charity activities in health care professions. METHODS: We searched PubMed and Google Scholar from inception to August 2019 using search terms "pro bono healthcare," "medical volunteerism," "pro bono clinics OR free clinics OR organizations," "pro bono curriculum OR education," "underserved OR uninsured OR underinsured OR disadvantaged OR poor populations." Inclusion criteria were that practitioners, students, or volunteers be involved in pro bono care or education and in any discipline, including medicine, physical therapy, chiropractic, or dentistry. RESULTS: We selected 5 exemplars to review, and determined that students can benefit from participation in pro bono or charity health care such as through a student administered clinic model. Academic curricula can play a role in building confidence and create positive attitudes and behaviors regarding pro bono and charity activities, and nonprofit organizations can help build sustainable models. CONCLUSION: We conclude that the implementation and delivery of health care pro bono or charity services can fill a health care gap and can be applied successfully in the health professions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,744
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0060,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,008
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,659
Tête enseignante GPT0,586
Écart entre enseignants0,073 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Chiropractic HumanitiesMême sujetHealthcare cost, quality, practicesTravaux en français237 207