Impact of a Spectrum of Care Elective Course on Third-Year Veterinary Students’ Self-Reported Knowledge, Attitudes, and Competencies
Notice bibliographique
Résumé
Veterinary services’ rising cost is an increasing barrier to pet care. Spectrum of care (SpOC) refers to evidence-based veterinary medicine options along the socioeconomic spectrum. To meet growing pet owner financial constraints and pet care needs, training to equip veterinarians with competencies to provide SpOC as Day One graduates is argued to be added as part of the veterinary curriculum. Objectives of our prospective pre- and post-survey study were to (a) determine baseline self-reported knowledge, attitudes, and competencies (KACs) surrounding SpOC in third-year DVM students; (b) develop and assess impact of a SpOC course on student self-reported SpOC KACs; and (c) obtain student feedback on the course and future SpOC training. Enrolled students ( n = 35) completed the pre-survey ( n = 35) and post-survey ( n = 33). Results indicated that students were aware of the need for SpOC training within the veterinary curriculum, and positive changes occurred in self-reported KACs from pre- to post-survey. Students tended ( p = .08) to predict better outcomes in SpOC cost-barrier scenarios from pre- (34%) to post-survey (76%), such as reduced perceived likelihood of euthanasia (63%–39%) and unsuccessful outcomes (40%–27%). Most students (31/33, 94%) predicted the course would benefit them in clinical practice and had preferred future training preferences (online modules [70%], seminars [60%], webinars [58%]). Data indicate benefits in student self-reported KACs following the SpOC course, warranting formal course inclusion, with tracking of students into clinical practice to document objective KAC impacts and perhaps similar course rollout to other institutions.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».