Client Characteristics and the Effectiveness of Embedded Counseling Services in a College of Veterinary Medicine
Notice bibliographique
Résumé
Despite the widespread implementation of embedded counseling models in veterinary training programs, limited information is available about veterinary students and house officers who seek help, and researchers have not evaluated the effectiveness of counseling services. This study sought to describe clients' characteristics, presenting concerns, and mental health histories, in addition to determining if participating in counseling was associated with decreases in psychological distress. The sample included 437 Doctor of Veterinary Medicine (DVM) students and house officers receiving embedded counseling services between August 2016 and March 2024 at a public university in the Midwestern United States. Approximately half were first-year students when they initially accessed services. The most common presenting concerns included stress, anxiety, depression, academic performance, perfectionism, self-esteem/confidence, attention/concentration difficulties, mood instability, sleep difficulties, adjustment, family issues, career concerns, eating/body image concerns, and specific relationship problems. DVM students and house officers reported higher scores on some, but not all, measures of psychological distress prior to participating in counseling, compared with a normative sample of college students seeking counseling at university counseling centers. However, these differences tended to be small in magnitude. Participating in counseling was associated with meaningful improvements in depression, generalized anxiety, social anxiety, academic distress, eating concerns, frustration/anger, family distress, substance use, suicidal ideation, and overall psychological distress. Clients who reported improvements in depression and anxiety also tended to report reductions in academic distress, which underscores the value of embedded counseling services in improving the well-being and academic retention of DVM students and house officers. Implications for outreach, research, and clinical practice are discussed.
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 | 0,002 | 0,017 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».