The Medical Education Planetary Health Journey: Advancing the Agenda in the Health Professions Requires Eco-Ethical Leadership and Inclusive Collaboration
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Climate change and the declining state of the planet’s ecosystems, due mainly to a global resource-driven economy and the consumptive lifestyles of the wealthy, are impacting the health and well-being of all Earth’s inhabitants. Although ‘planetary health’ was coined in 1980, it was only in the early 2000s that a call came for a paradigm shift in medical education to include the impact of ecosystem destabilization and the increasing prevalence of vector-borne diseases. The medical education response was, however, slow, with the sustainable healthcare and climate change educational agenda driven by passionate academics and clinicians. In response, from about 2016, medical students have taken action, developing much-needed learning outcomes, resources, policies, frameworks, and an institutional audit tool. While the initial medical education focus was climate change and sustainable healthcare, more recently, with wider collaboration and engagement (Indigenous voices, students, other health professions, community), there is now planetary health momentum. This chronological account of the evolution of planetary health in medical education draws on the extant literature and our (an academic, students, and recent graduates) personal experiences and interactions. Advancing this urgent educational agenda, however, requires universities to support inclusive transdisciplinary collaboration among academics, students and communities, many of whom are already champions and eco-ethical leaders, to ensure a just and sustainable future for all of Earth’s inhabitants.
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.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 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) | 0,000 | 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 découle