Integration of mental health comorbidity in medical specialty programs in 20 countries
Notice bibliographique
Résumé
METHODS: A systematic analysis was performed of the medical specialization academic programs of 20 different countries to establish which medical specialties take into account mental health issues in the specialty curricular design and which mental health content these programs address. The criteria that were explored in the educational programs include: 1) name of the medical specialties that take into account mental health content in curriculum design, 2) name of the mental health issues addressed by these programs. After independent review and data extraction, paired investigators compared the findings and reached consensus on all discrepancies before the final presentation of the data. Descriptive statistics evaluated the frequency of the data presented. RESULTS: Internal medicine, family medicine, neurology, pediatrics and geriatrics were the specialties that included mental health topics in their programs. In four countries: Bangladesh, Serbia, the Netherlands and France, 50%of all graduate specialty training programs include mental health content. In ten countries: Germany, Sweden, the United Kingdom, Mexico, Belgium, India, Russia, Canada, Israel and Spain, between 20% and 49% of all graduate specialty training programs include mental health content. In six countries - Brazil, Chile, Colombia, Croatia, Kenya, and the United States-less than 20% of all graduate specialty training programs include mental health content. DISCUSSION: The proposal that we have made in this article should be taken into account by decision-makers, in order to complement the different postgraduate training programs with mental health issues that are frequently present with other physical symptoms. It is not our intention that the different specialists know how to treat psychiatric comorbidities, but rather pay attention to their existence and implications in the diagnosis, evolution and prognosis of many other diseases. The current fragmentation of medicine into ever finer specialties makes the management of comorbidity ever more difficult: a reorientation of post- graduate training might improve the situation.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».