Substance Use-Related Curriculum for Paramedic Students in British Columbia: A Document Analysis
Notice bibliographique
Résumé
Background and Aims: Paramedics attend an unprecedented number of drug poisoning events daily in British Columbia (BC), Canada due to the ongoing public health crisis related to an increasingly toxic and unregulated supply of illicit drugs. Paramedics have the potential to support alternative models of care to reduce harm, but their perspectives towards harm reduction initiatives are polarized. Understanding the drug-related substance use content in paramedic curriculum documents is important for deploying effective harm mitigating programs. The objective of this study was to understand what drug-related substance use content currently exists within paramedic curriculum documents in British Columbia. Methods: We performed a document analysis of curriculum documents in BC’s paramedic training institutions, the primary program textbook, and the 2011 National Occupational Competency Profile (NOCP). We used the Checklist for Assessment and Reporting of Document Analysis (CARDA) tool to perform our analysis. We analysed and coded documents both inductively and deductively and subsequently combined, refined, and used the codes to inform the development of themes via reflexive thematic analysis. Results: Of the 44 documents analysed, 22 included codes relevant to the research questions. Paramedics are primarily taught to care for people who use drugs in an acute drug-poisoning response only, with little consideration of holistic care, and no meaningful mention of harm reduction. Some stigmatizing language was found within the content. Conclusions: Many opportunities to introduce holistic models of care for people who use drugs along the entire continuum of care are unaddressed by paramedic curriculum documents in BC. Curriculum developers should include people who have lived and living experience of drug use in the co-design of educational programs involving their care. Further qualitative analyses are required to evaluate the relationship between paramedic education and provider-based stigma.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,008 | 0,012 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 source (Gemma direct ou Codex distillé), 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 ».