Sports psychiatry clinical curriculum for sports and exercise medicine fellows in one Canadian university
Notice bibliographique
Résumé
Abstract: Introduction: Athletes can experience the same mental illnesses as the general population. Sports create additional circumstances that can influence the mental health of its participants. Sport and Exercise Medicine (SEM) physicians are often on the front lines of providing medical assessment and treatment to athletes for a variety of presenting complaints. Enhancing the knowledge base and clinical approach of Sport and Exercise Medicine physicians for assessment and management of mental health challenges in athletes can assist in early identification, assessment, treatment initiation, or referral to a sports psychiatrist. Providing SEM trainees with formal clinical exposure to Sports Psychiatry can better equip them for their future practice. This article describes a formalized clinical rotation in Sports Psychiatry for SEM Fellows in one Canadian university. Methods: In collaboration with the SEM Fellowship program, a formal Sports Psychiatry rotation was created to ensure every Fellow had exposure to mental health assessment and management of athletes appropriate to what would be expected of SEM physicians. Results: A four-week curriculum which included direct clinical assessment, treatment initiation, follow up, and presentation of case-based mental health topics appropriate for SEM physicians. This program was reviewed during accreditation as part of the Enhanced Skills curriculum of the postgraduate Family Medicine program at McMaster University in 2023. Conclusion: An integrated Sports Psychiatry rotation during a SEM Fellowship provides an opportunity for future SEM physicians to have exposure to a clinical population of athletes with mental health concerns to develop tools for assessment, management, and collaborative care.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».