Physiotherapist-led musculoskeletal education: an innovative approach to teach medical students musculoskeletal assessment techniques
Notice bibliographique
Résumé
Implication Statement We developed physiotherapist-led interprofessional (IP) workshops for medical students each dedicated to a specific anatomical region. The workshops alternated between theoretical presentations from a physiotherapist about basic musculoskeletal (MSK) assessment techniques and hands-on practice in small groups with feedback from Master's-level physiotherapy students (MPT). The workshops created an optimal IP learning environment where medical students can learn MSK assessment techniques and MPTs can apply their knowledge and clinical skills. Academic institutions with physiotherapy and medical programs seeking to develop IP learning activities should foster opportunities for IP collaboration between physiotherapy and undergraduate medical education. Énoncé des implications de la recherche Nous avons créé, à l'intention des étudiants en médecine, des ateliers interprofessionnels (IP) dirigés par un physiothérapeute, chacun axé sur une région anatomique spécifique. Des ateliers théoriques sur les méthodes d'évaluation de base de l'appareil musculo-squelettique (MS) sont donnés en alternance avec des travaux pratiques en petits groupes, lors desquels des étudiants à la maîtrise en physiothérapie (M. Pht.) offrent une rétroaction aux participants. Les ateliers fournissent un environnement optimal pour l'apprentissage IP qui permet aux étudiants en médecine de se familiariser avec les méthodes d'évaluation de l'appareil MS, et aux étudiants M. Pht. d'appliquer leurs connaissances et leurs habiletés cliniques. Les établissements d'éducation offrant des programmes de physiothérapie et de médecine de premier cycle qui cherchent à mettre en place des activités d'apprentissage IP devraient favoriser la collaboration entre ces deux programmes.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 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 ».