Exploring the impact of the COVID-19 pandemic on medical learner wellness: a needs assessment for the development of learner wellness interventions
Notice bibliographique
Résumé
BACKGROUND: On March 11, 2020 the World Health Organization declared the novel coronavirus SARS-CoV-2 disease (COVID-19) a global pandemic. We sought to understand impact of COVID-19 on learner wellness at a large tertiary care academic institution to inform the future development of learner wellness interventions during the COVID-19 pandemic. METHODS: A cross-sectional, internet-based survey collected quantitative and qualitative data from learners April-June 2020. Descriptive statistics and univariate analyses were reported for quantitative data. Open-ended, qualitative responses were analyzed deductively using thematic analysis. RESULTS: Twenty percent of enrolled learners in that faculty of medicine (540/2741) participated including undergraduate [Bachelor's] students (25.7%), graduate [science] students (27.5%), undergraduate medical students (22.8%), and postgraduate resident physicians (23.5%). We found that learner wellness across all stages of training was negatively impacted and the ways in which learners were impacted varied as a result of their program's response to the COVID-19 pandemic. CONCLUSIONS: Learners in health sciences and medical education report worsening well-being because of the programs and the systems in which they function with the added burden of the COVID-19 pandemic. Future interventions would benefit from a holistic framework of learner wellness while engaging in systems thinking to understand how individuals, programs and respective systems intersect. The importance of acknowledging equity, diversity and inclusion, fostering psychological safety and engaging learners as active participants in their journey during a pandemic and beyond are key elements in developing wellness interventions.
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 | 0,006 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 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 ».