Exploring BAME Student Experiences in Healthcare Courses in the United Kingdom: A Systematic Review.
Notice bibliographique
Résumé
Introduction: Black, Asian, and Minority Ethnic (BAME) students in healthcare-related courses are exposed to various challenging experiences compared to their White counterparts, not only in the UK (United Kingdom) but across the globe. Underachieving, stereotyping, racial bias, and cultural differences, among other experiences, hinder their medical education, practice, and attainment. This review aimed to explore and understand the experiences of BAME students enrolled in healthcare related courses in the United Kingdom. Methods: Computerised bibliographic search was carried out using MeSH and free text descriptors via PubMed, Cochrane, Google Scholar, and Science Direct for eligible English-published studies exploring BAME experiences in the UK from 2010-2023. Results: A cumulative total of 813 studies were obtained from the literature search, of which five met the inclusion criteria. Quality assessment for risk of bias was assessed using the Newcastle Ottawa scale, yielding one study of satisfactory quality, while four were deemed to be of good quality. Conclusion: BAME students pursuing health-related courses across the UK. face a range of experiences, including racial discrimination, unconscious bias, and a lack of representation and support. Additionally, BAME students are more likely to report incidents of racial harassment and withdraw from their respective courses as well as experiencing mental health issues due to their experiences.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».