Mental well-being and diversity, equity, and inclusiveness in the veterinary profession: Pathways to a more resilient profession
Notice bibliographique
Résumé
Mental well-being (MWB) and diversity, equity, and inclusiveness (DEI) continue to be critical within the veterinary profession but there is less information regarding how professional associations around the world tackle these issues. A mixed-method study including an international online survey in English ( n = 137 responses via snowball sampling), fourteen interviews, and two webinars was used to identify the availability and impact of MWB and DEI support programs for veterinarians. Survey results showed that more veterinary organizations designated MWB and DEI challenges (54%, n = 43/79 and 58%, n = 45/78, respectively) as a key priority area than veterinary clinics (26%, n = 15/57 and 33%, n = 19/57, respectively). Whereas, MWB support programs were available in a moderate number of mainly English-speaking countries, DEI support programs were available in only a few countries and focused primarily on specific groups, with an unknown impact due to their recent implementation. Universally, survey respondents believed activities for specific groups, such as MWB webinars, training, and awareness campaigns, as well as MWB/DEI helplines and DEI peer-to-peer support programs had a high impact (median 3.5–4/5) yet were underemployed by both veterinary organization and veterinary clinics. Further feedback from respondents during focused interviews indicated that requiring initial and continuing training as well as tailored group activities would be most beneficial to improve MWB/DEI throughout the veterinary professional career. There are many areas of the intersection between MWB and DEI that remain to be elucidated in the future studies. Having a sufficient sample size, improving accessibility, and addressing varying cultural perceptions are the main challenges, as seen in our study. To truly address MWB and DEI disparities, change is also needed in veterinary workplace culture and environment. In conclusion, raising awareness for an inclusive profession, including increasing openness and acceptance to enhance DEI and destigmatizing MWB challenges, is needed to ensure a thriving, modern veterinary profession.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,035 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».