MétaCan
Menu
Retour à la cohorte
Enregistrement W4310714804 · doi:10.36834/cmej.74964

“Figuring it out on our own”: exploring family medicine residents’ sexual assault and domestic violence training

2022· article· en· W4310714804 sur OpenAlexaffvenueabout
Daniela Keren, Martina Kelly, Adrienne T. Wakabayashi, Susan M McNair

Notice bibliographique

RevueCanadian Medical Education Journal · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSexual Assault and Victimization Studies
Établissements canadiensUniversity of CalgaryWestern University
Organismes subventionnairesnon disponible
Mots-clésThematic analysisFeelingDomestic violenceMedical educationPopulationPsychologyMedicineSexual assaultQualitative researchSuicide preventionFamily medicineNursingPoison controlSocial psychologyMedical emergency

Résumé

récupéré en direct d'OpenAlex

Background: Family physicians are uniquely able to provide comprehensive and longitudinal care to those experiencing sexual assault and domestic violence (SADV). To date, we know little about how Canadian family medicine (FM) residents learn about SADV. This study explored SADV teaching in residency from the perspectives of FM residents. Methods: = 8). We analyzed data using thematic analysis. Results: We identified three inter-related themes: (1) Inconsistent training for SADV, (2) Attitudes towards SADV and (3) Learner hesitancy. Quality and quantity of SADV learning opportunities were inconsistent across learners, fuelling feelings of incompetence and lack of confidence around providing SADV care.This led to hesitant behaviours by learners when encountering SADV clinically. Conclusions: Understanding FM residents' experiences and ideas regarding SADV education is critical in order to graduate physicians equipped to care for this vulnerable population. This research highlights the relationship among learners' and teachers' experiences, attitudes and behaviours; targeting this behavioural cycle may improve SADV learning.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,012
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,423
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,142
Tête enseignante GPT0,399
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Medical Education JournalMême sujetSexual Assault and Victimization StudiesTravaux en français237 207