Impact of Cultural Competency Training in Naturopathic Medical Students: Self-Assessed Changes in Awareness, Knowledge, Skills, and Attitudes
Notice bibliographique
Résumé
Introduction: Cultural competency training is a growing requirement in medical schools across North America. Although accredited naturopathic medical schools now include some elements of cultural competency training throughout their programs, no literature to date has evaluated the effect of cultural competency curriculum among naturopathic medical students. This study evaluated the impact of a cultural competency training program of 4th-year naturopathic medical students at an accredited naturopathic medical educational institution in North America. Methods: Pre- and post-training online surveys were completed by naturopathic medical students using a 1 to 5 numerical scale (least to most confident), self-evaluating their awareness, knowledge, skills, and willingness to change behaviours, with some survey items adapted from the short version of the Cross-Cultural Care Survey (Harvard). Descriptive statistics were calculated, and a paired two-sided Wilcoxon signed-rank test was used to examine changes between pre- and post-training responses. Results: Out of 134 students enrolled in the training, 46 participants completed both the pre- and post-training surveys and were included in the final analysis. There was a statistically significant increase in self-rated confidence from pre- to post-training across all individual survey items spanning improvements in cultural competency awareness, knowledge, skills, and attitudes among students who completed both surveys. Conclusions: Results from this study indicate that cultural competency training of naturopathic students may improve their subjective assessment of their awareness, knowledge, skills, and attitudes related to working with diversity in clinical practice. Future research would benefit from using validated assessment scales, reducing loss to follow up, and investigating factors such as social demographics, prior training, and lived experience amongst participants.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».