Teaching Evidence-Based Medicine and Non-conventional (Alternative) Therapies in Portuguese Veterinary Schools—A Curricular Assessment
Notice bibliographique
Résumé
Applying evidence-based veterinary medicine (EBVM) is considered a Day One competence for veterinary graduates. Furthermore, the increasing interest in the use of complementary and alternative (non-conventional) veterinary therapies (NCTs) must be grounded on EBVM principles. Few studies have mapped the teaching of EBVM and of NCTs and assessed their content. This study analyses the official curricula of six (out of eight) Portuguese veterinary schools in terms of EBVM and NCTs, using the self-evaluation documents submitted to the National Agency for Assessment and Accreditation of Higher Education (A3ES) (2014–2015). Results show that, with few exceptions, veterinary education in Portugal follows a traditional, clinically-driven approach to evidence, with concepts taught mostly from an empirical and experiential perspective instead of a systematic one. Core EBVM topics, such as placebo effect, methodological validity, PICO, cognitive bias, and systematic review are either absent or insufficiently covered. Moreover, the teaching of NCTs was found in three out of the six curricular programs, namely acupuncture, phytotherapy, homeopathy, traditional Chinese medicine, aromatherapy, Bach flower remedies, ayurveda, energetic healing (reiki), and massage. We found no evidence that these therapies are being taught under the principles of EBVM. Taken together, these results highlight the need for more explicit and targeted teaching of EBVM-related topics, namely regarding the critical appraisal of scientific literature and the integration of best evidence into clinical decision-making. Results can also be useful to inform the accreditation process by the A3ES and by education quality assurance agencies in other jurisdictions.
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 | 0,006 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».