A comparison of student perspectives on body donation across healthcare professional programs: From prosection‐ to dissection‐based curricula
Notice bibliographique
Résumé
Donor-centered education offers students the opportunity to not only acquire visual and tactile experiences for applying anatomical knowledge but also a chance for students to reflect upon fundamental humanistic principles. The exploration of differences in students' viewpoints on body donation and the utilization of body donors in their education remains unexplored across various healthcare professional programs, which has an impact on student learning and experience. This study aimed to qualitatively examine the similarities and differences in student perspectives regarding body donation across three healthcare professional programs. One-page reflections from nursing (n = 37), physical and occupational therapy (n = 49), and medical students (n = 66) regarding their experiences in the anatomy laboratory at McGill University were collected and analyzed using a deductive approach based on themes and sub-themes outlined by Stephens et al. in 2019. Despite differences in their curricula, there were few discrepancies across the programs' reflections suggesting that donor-based learning had similar effects on each user group. Most students across the healthcare professional programs mentioned that their positive laboratory experiences motivated them to donate their bodies, extending the privilege they had to future generations. Nursing students did not reflect upon the notion that working with body donors provided unique learning experiences in the anatomy laboratory. Likewise, physical and occupational therapy (PT/OT) students did not address the importance of maintaining the privacy of body donors by covering certain body parts during lab. These findings show that prosection- and dissection-based exercises encourage reflective practices associated with these of medical ethics, highlighting an important advantage to including donor-based learning in anatomical education.
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 | 0,007 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».