Outreach Medicine as an Experiential Teaching Tool to Improve Veterinary Student and Client Education
Notice bibliographique
Résumé
Outreach medicine is used to improve students' medical, technical, behavioral, and communication training among health professional schools; it is also used in veterinary schools, but little has been described on its educational impacts among pre-clinical veterinary students. Aiming to train practice-ready graduates, we established a monthly nonprofit vaccine clinic serving low-income clients to provide pre-clinical veterinary students with a realistic experiential learning environment. We developed surveys to assess the educational impacts of outreach medicine on pre-clinical veterinary student and client education. We received 101 student surveys, 26 educator (i.e., veterinarians and registered veterinary technicians) surveys, and 96 client surveys. Veterinarians, students, and technicians reported that students improved in important veterinary skills such as client communication, subcutaneous injection, patient handling, and physical examination. They also reported improved confidence in students' clinical decision making. Veterinarians valued the vaccine clinic as a favorable educational tool to teach behavior assessment and low-stress handling, and they highlighted that experiential learning via the vaccine clinic provided students with a clinical experience representative of most veterinarian practices (i.e., small animal general practitioner). Clients reported that the clinic's students and veterinarians greatly improved their knowledge of their pets' care and vaccines-notably, their knowledge of rabies and leptospirosis improved. Outreach medicine in the form of a vaccine clinic creates valuable experiential learning opportunities that increase veterinary student preparedness and complement didactic, laboratory, and case-based teaching.
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 | 0,004 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».