MétaCan
Menu
Retour à la cohorte
Enregistrement W4391495893 · doi:10.1017/s1041610223001060

FC8: Revising Competencies in Geriatrics for Canadian Medical Students: Adding a Mental Health Perspective

2023· article· en· W4391495893 sur OpenAlexaboutno aff
Cindy J. Grief, Thirumagal Yogaparan

Notice bibliographique

RevueInternational Psychogeriatrics · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueAging and Gerontology Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeriatricsCurriculumMedicineMental healthLikert scaleFamily medicineGeriatric Depression ScalePopulationMedical educationGerontologyNursingPsychologyPsychiatryCognition

Résumé

récupéré en direct d'OpenAlex

In Canada, adults 85 years and older represent one of the fastest growing segments of the population1. Mood disorders and chronic illness often intersect, worsening health outcomes in late life2. In view of demographic trends, medical schools should ensure trainees are equipped with the knowledge, skills and attitudes to work with older adults. However, there continues to be much variation in how medical schools incorporate geriatric content into their curricula.In 2009, the Canadian Geriatrics Society (CGS) outlined 20 competencies in geriatrics to inform medical school curricula, but uptake was minimal. Of note, there were significant gaps in these competencies, which omitted mention of late-life depression. Geriatric mental health experts did not provide input.The objective of this project was to address gaps in geriatric competencies for medical students through an expert review process involving a biopsychosocial approach.Methods:The CGS established a 15-member national working group with representation from geriatric psychiatry, family medicine, a 95-year-old senior, geriatrics and medical trainees. Potential competencies were derived from existing Canadian geriatrics frameworks [Geriatrics 5M, CanMEDs] and 2009 competencies. A modified Delphi process yielded rankings for each competency using a 7-point Likert scale.Results:Between 2019 and 2021, 3 successive national surveys were completed. In the first (n=66), 34 competencies were identified. Agreement in the final survey was 87-95% (mean 90%). 51 participants completed all three. Significant topic omissions in the 2009 list of competencies were frailty, end-of-life care, delirium prevention, health promotion and the assessment and management of depression.Conclusions:Three national surveys expanded the core competencies in geriatrics for medical school curricula from 20 to 31. Expert consensus was high. Themes mapped along existing geriatrics frameworks and incorporated a holistic lens incorporating the perspectives of an older adult and geriatric psychiatrist. In addition to late-life depression, the importance of addressing ageism was also highlighted.Learning objectives for each competency are modifiable for level of training and individual program, offering flexibility. The CGS will continue to advocate for inclusion of updated, expanded competencies into training and licensure in geriatrics.1) Statistics Canada 2021, Canadian Government, accessed 1 January 2023, <. Accessed 20/01/23 1) Hall CA, Reynolds III CF. Late-life depression in the primary care setting: challenges, collaborative care and prevention. Maturitas. 2014 Oct; 79(2):147-52.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,031
score de la tête « metaresearch » (Gemma)0,046
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,936
Score d'incertitude au seuil0,473

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0310,046
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0080,003
Communication savante0,0040,003
Science ouverte0,0040,007
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,047
Tête enseignante GPT0,459
Écart entre enseignants0,411 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational PsychogeriatricsMême sujetAging and Gerontology ResearchTravaux en français237 207