A comparative study of community medicine and public health curriculum at medical schools in Iran and North America
Notice bibliographique
Résumé
Background: Community medicine and public health are the core subjects in medical education. One of the main competencies of general physicians in the national curriculum is having knowledge and skills in health promotion and disease prevention in the health system. Any curriculum revision in community medicine departments needs to incorporate the evidence and use pioneer countries’ experiences in this issue. This study aims to compare community medicine and public health courses in medical schools between Iran and selected universities in North America. Methods: The elements of a community medicine curriculum for medical students were compared in a descriptive-comparative study using the Bereday model. These elements included objectives and competencies, educational strategies, teaching and learning methods, assessment, and educational fields in a community medicine curriculum in Iran and in selected universities in North America. A literature search was conducted in CINAHL, SCOPUS, MEDLINE, Web of Science, EBSCO, and on university websites. Results: Essential aspects of community-based strategies among community medicine and public health curriculum of general medicine in universities in Canada and the United States included a longitudinal approach, training in urban and rural primary care centers, teaching by family physicians and health center staff, a spiral curriculum, focus on social determinants of health, taking of social and cultural histories and social prescriptions, learning teamwork, and using LIC (Longitudinal Integrated Curriculum). Conclusion: The objective of community medicine and public health curriculum in selected North American universities was to prepare general practitioners who work in Level 2 and 3 hospitals and to improve their skills to provide high-quality services to the community. Some of the successful points in the selected universities that could be replicated in Iranian faculties of medicine included using integration strategy, a spiral curriculum, and an LIC approach.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».