National Survey of Wellness Programs in U.S. and Canadian Medical Schools
Notice bibliographique
Résumé
PURPOSE: To describe the prevalence and scope of wellness programs at U.S. and Canadian medical schools. METHOD: In July 2019, the authors surveyed 159 U.S. and Canadian medical schools regarding the prevalence, structure, and scope of their wellness programs. They inquired about the scope of programming, mental health initiatives, and evaluation strategies. RESULTS: Of the 159 schools, 104 responded (65%). Ninety schools (93%, 90/97) had a formal wellness program, and across 75 schools, the mean full-time equivalent (FTE) support for leadership was 0.77 (standard deviation [SD] 0.76). The wellness budget did not correlate with school type or size (respectively, P = .24 and P = .88). Most schools reported adequate preventative programming (62%, 53/85), reactive programming (86%, 73/85), and cultural programming (52%, 44/85), but most reported too little focus on structural programming (56%, 48/85). The most commonly reported barrier was lack of financial support (52%, 45/86), followed by lack of administrative support (35%, 30/86). Most schools (65%, 55/84) reported in-house mental health professionals with dedicated time to see medical students; across 43 schools, overall mean FTE for mental health professions was 1.62 (SD 1.41) and mean FTE per student enrolled was 0.0024 (SD 0.0019). Most schools (62%, 52/84) evaluated their wellness programs; they used the Association of American Medical Colleges Graduation Questionnaire (83%, 43/52) and/or annual student surveys (62%, 32/52). The most commonly reported barrier to evaluation was lack of time (54%, 45/84), followed by lack of administrative support (43%, 36/84). CONCLUSIONS: Wellness programs are widely established at U.S. and Canadian medical schools, and most focus on preventative and reactive programming, as opposed to structural programming. Rigorous evaluation of the effectiveness of programs on student well-being is needed to inform resource allocation and program development. Schools should ensure adequate financial and administrative support to promote students' well-being and success.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».