Adapting the Planetary Health Report Card for Graduate Medical Training Programs
Notice bibliographique
Résumé
Background Leading medical organizations recognize climate change as an urgent threat to public health and social justice. Medical students created the Planetary Health Report Card (PHRC) to evaluate and spur climate action in medical schools. Graduate medical trainees lack a similar tool to evaluate and improve their training programs and institutions. Objective To adapt the PHRC to graduate medical education (GME) contexts and report preliminary validity evidence. Methods In 2023, based on literature review, we adapted the 2022 undergraduate medical PHRC metrics on curriculum and sustainability. We modified keywords in all PHRC domains to apply to GME. We recruited participants with expertise in planetary health, sustainability, and health equity affiliated with GME. Using a modified Delphi Panel method, we surveyed participants on adapted metric validity. We determined percent agreement among participants. Results We recruited 45 eligible participants, of whom 20 (44%) completed a first-round survey. Participants included a senior medical student, residents, fellows, faculty, and program directors from the United States, Canada, and the United Kingdom. Participants had a high level of agreement on metrics in the domains of curriculum, support for trainee-led initiatives, and sustainability. Some metrics in research and community engagement domains fell below the agreement threshold. Conclusions In the first round of a modified Delphi Panel survey, trainees and faculty agreed that metrics adapted from the PHRC are relevant to evaluating GME programs on planetary health, sustainability, and environmental justice.
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 | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».