Basic Training in Palliative Medicine for Internal Medicine Residents: Pilot Testing of a Canadian Model in Switzerland
Notice bibliographique
Résumé
Background: In Switzerland, palliative care (PC) clinical training is well established at undergraduate and specialist postgraduate levels. However, postgraduate nonspecialist training curricula are less documented. Local Problem: A structured curriculum for nonspecialist rotation within internal medicine (IM) in specialized PC wards is lacking. Objective: To pilot two versions of a PC nonspecialist curriculum for IM residents in Swiss PC units. Methods: In the pilot phase, two curricula-short immersion (3-10 weeks, based on the University of Toronto's Internal-Medicine PC Rotation) and standard nonspecialist (11-18 weeks, based on the Canadian Society of Palliative Care Physician Competencies)-were assessed using a mixed-method online survey. One university and two nonuniversity sites participated. The analysis was descriptive. Results: Five residents and eight supervisors of five training rotations (July-October 2023) responded. Overall, curriculum quality and feasibility (content and time) received positive ratings across all groups, with high satisfaction concerning organization, educational design, learning support, climate, experience, and facilities. Nonuniversity sites were generally rated more positively than university sites. Qualitative feedback paralleled these findings, highlighting the curriculum's relevance and fit with learners' needs and suggesting potential simplifications and more personalized planning. Conclusions: Establishing short and standard duration curricula for a PC program is viable and well received by nonspecialist trainees. Future implementation should concentrate on personalized learning objectives and streamlining the content and structure of the competencies. Cooperation within various training settings (university and regional hospitals) as well as on an international level (e.g., Canada-Switzerland) may further improve the quality of the proposed training formats.
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 | 0,012 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».