Evaluating the impact of a social medicine course delivered in a local‐global context: A 10‐year multi‐site analysis
Notice bibliographique
Résumé
Abstract Amidst the COVID‐19 pandemic and social uprisings demanding social and racial equity worldwide, there is an increasing demand for health justice training for health workers. However, there are scant evidence‐based assessments of the impact of such courses. Between 2010 and 2020, SocMed—a 501(c)3 non‐profit social justice organization—offered two distinct courses about health equity, the social determinants of health, and social medicine to health workers through the University of Minnesota in Minneapolis, Minnesota and Saint Mary Hospital Lacor in Gulu, Uganda. This study assesses the immediate impact of the SocMed curriculum on participants measured by a pre‐course and post‐course survey. In Minnesota, paired pre‐course and post‐course survey responses (mean n = 69; SD = 23) spanned years 2016–2019, while Uganda paired pre‐course and post‐course survey responses (mean n = 64; SD = 21) spanned years 2012–2013 and 2017–2019. Findings indicate that the course improved participants’ knowledge in all 24 of the topics in the Minnesota course and 42 of 44 topics in the Uganda course (significant at p < 0.05).
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 | 0,012 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 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 ».