Injury prevention in medical education: a Canadian medical school survey
Notice bibliographique
Résumé
BACKGROUND: Injury has a major societal impact. In Canada, injury is the leading cause of death among those aged 1-44 years, the fifth-leading cause of death among those of all ages and is responsible for a burden of US$26.8 billion in 2010. It holds that most injuries are predictable and preventable, and therefore, such statistics represent a serious public health concern. Given that physicians play a vital role in the prevention and control of injuries, further information regarding the current state of injury prevention education in medical undergraduate programmes in Canada would be beneficial. We hypothesise that the results of an observational survey distribute to all Canadian medical schools will demonstrate a substantial gap in injury prevention education integration in the existing medical school curriculums. STUDY OBJECTIVE: To evaluate the current status of Injury Prevention Education in Canadian Medical Schools preclerkship and clerkship medical curriculum. METHODS: Electronic surveys evaluating the current status of injury prevention education were sent via email to each of the 16 Canadian medical schools. RESULTS: Nine Canadian medical faculties (56%, n=9) responded. Eight of the nine medical schools (88.89%, n=8) offered at least five injury prevention related topics in their respective curricula. The most common injury-related courses were Role of physicians in the prevention of injuries (100%, n=9) and epidemiology of injury (88.89%, n=8). All respondent medical faculties (100%, n=9) offered at least a single injury prevention specific topic in their curricula. Most surveyed medical faculties (88.89%, n=8) offered nine injury-specific topics. The most common injury-specific topics included falls, suicide and self-harm, alcohol, burns and scalds, and concussion (100%, n=9).
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 | 0,011 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,085 | 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 ».