Wellness in medical education: definition and five domains for wellness among medical learners during the COVID-19 pandemic and beyond
Notice bibliographique
Résumé
Problem: The novel coronavirus SARS-CoV-2 disease (COVID-19) impacted medical learner well-being and serves as a unique opportunity to understand medical learner wellness. The authors designed a formal needs assessment to assess medical learners’ perspectives regarding distress related to disrupted training environments. This Rapid Communication describes findings from a qualitative study which defined medical learner wellness and validated five wellness domains.Approach: We conducted follow-up telephone interviews to an online needs assessment survey to identify a learner definition for wellness and to validate five wellness domains, including social, mental, physical, intellectual, and occupational wellness. Using purposive and maximal variation sampling, 27 students were interviewed from July–August 2020. Thematic analysis was performed using a deductive thematic approach to qualitative analysis.Outcomes: Medical learners defined wellness as a general [holistic] sense of personal well-being – the opportunity to be and to do what they most need and value. Learners validated all five wellness domains for medical education. Learners acknowledged the need for an adoptable and adaptable holistic framework for wellness in medical education.Next steps: We recommend academic medical institutions consider learner wellness a key component of medical education to cultivate learners as a competent collective of self-reliant, scholarly experts. We encourage evaluation of wellness domains in diverse medical learner populations to identify feasible interventions potentially associated with improvements in medical learner wellness.
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 | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».