Veterinary Student Skills Learned at an Access to Care Clinic: Beyond Medicine and Surgery
Notice bibliographique
Résumé
Incorporating curriculum to effectively help veterinary students learn how to provide accessible quality care to all pet owners is needed. The primary aims of this study are to explore how a 2-week rotation at a veterinary medical service-learning clinic (Wisconsin Companion Animal Resources, Education, and Social Services [WisCARES]) improves (a) comfort in working with clients from diverse race and low socioeconomic (SES) backgrounds and (2) confidence in leading cases, communication skills, and providing a spectrum of care options. Students were surveyed at five time points pre-rotation: mid-week 1, mid-week 2, end of rotation, and 1 month post. A total of 115 survey series were at least partially completed. Of the 97 responses that included background information, 68 (70%) students reported having “no to a few weeks” of experience working with diverse or low SES populations. When comparing themselves to before starting the rotation, student responses indicated increased comfort (mean = 4.54, standard deviation [ SD] = 0.54) and compassion (mean = 4.42, SD = 0.78) working with low-income or homeless populations, more comfort interacting with members of different race or ethnicity groups (mean = 4.21, SD = 0.82), and more appreciation for the human–animal bond (mean = 4.42, median = 5). Students also reported that spending time at WisCARES positively impacted their confidence in a clinical setting, managing and communicating about financial decisions, and approaching cases creatively. Giving students an opportunity to lead cases with clients from diverse races and low SES backgrounds can enhance levels of comfort with practice and improve confidence.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».