Side-by-Side: A One-on-One Peer Support Program for Medical Students
Notice bibliographique
Résumé
PROBLEM: Medical students experience high levels of burnout and face barriers to accessing support services. However, few studies have considered the feasibility and/or effectiveness of one-on-one peer support programs for medical students. This report aims to describe the development and implementation of such a program, the Side-by-Side Peer Support Program, at the University of Ottawa (August 2018-June 2020). APPROACH: Thirty-five medical students enrolled at the University of Ottawa Faculty of Medicine were selected to participate in a training course aimed at developing the skills necessary to provide one-on-one support to their peers. The main responsibilities of peer supporters were to reach out to classmates, particularly those displaying changes in their usual behavior that might be indicative of mental illness, to provide basic counseling, and to refer at-risk students to professional services. Peer supporters offered weekly hours during which classmates could contact them for support. Information on interactions between students and peer supporters was recorded in an electronic database. An end-of-year survey collected information on barriers to seeking help perceived by medical students. OUTCOMES: A total of 303 interactions were recorded. Interactions took place in various formats, including in-person, via telephone or video call, or via texting or online messaging. Interactions were initiated by both students and peer supporters. Survey respondents identified more barriers to seeking help from Faculty of Medicine services than Side-by-Side, including fear of impact on career (22.2% vs 2.5%; P < .01) and belief that the services would not be helpful (42.0% vs 23.5%; P = .02). NEXT STEPS: The authors plan to quantify well-being through academic engagement metrics as well as mental health outcome metrics in future studies. Future studies should also consider whether peer support increases help-seeking behaviors and/or the use of professional services.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,035 | 0,007 |
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 ».