MétaCan
Menu
Retour à la cohorte
Enregistrement W4407754905 · doi:10.1186/s13722-025-00543-4

“We need all hands on deck”: characterizing addiction medicine training in Canada—a mixed methods study of fellowship program directors

2025· article· en· W4407754905 sur OpenAlexafffundabout
Clara Lu, Kathryn Chan, Leslie Martin, Nadia Fairbairn

Notice bibliographique

RevueAddiction Science & Clinical Practice · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueOpioid Use Disorder Treatment
Établissements canadiensUniversity of British ColumbiaUniversity of TorontoMcMaster UniversityBritish Columbia Centre on Substance UseUniversity of Ottawa
Organismes subventionnairesMichael Smith Health Research BCPeter Boris Centre for Addictions Research
Mots-clésMedical educationAddiction medicineThematic analysisAccreditationWorkforceAddictionDescriptive statisticsPsychologyGovernment (linguistics)Health psychologyQualitative researchMedicineNursingPublic healthPolitical sciencePsychiatrySociology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Addiction Medicine training in Canada has evolved substantially in the last few years with the establishment of accreditation standards and several new fellowship programs. The novelty of these formal training programs, created in response to complex and ever-expanding clinical needs in Addiction Medicine, creates unique educational circumstances that must be understood to support future growth. This study characterizes the current state of these postgraduate training programs in Canada through the perspectives of Program Directors (PDs). METHODS: This study is a mixed methods study of 12 PDs. In Phase 1, participants completed a quantitative survey analyzed through descriptive statistics. In Phase 2, participants underwent a qualitative semi-structured interview that was coded with a thematic analysis approach. Mixing occurred both during the interim analysis between phases and during the interpretation stage. RESULTS: 28 trainees enrolled in a fellowship program in 2021-22 across 10 programs, and 27 trainees enrolled in 2022-23 across 11 programs. In each year, there were significantly fewer available spots than applications (31% and 29%, respectively). PDs identified a funding "bottleneck" as the most difficult and important challenge facing programs, with trainees supported by diverse and unstable funding sources. Qualitative analysis highlighted the need for sustainable funding models, flexibility toward alternative training pathways (shorter durations of training and re-entry from practice), and establishment of a national community of practice to support the co-creation of a robust addictions medical education infrastructure. CONCLUSION: For Addiction Medicine training to meet workforce demands, PDs stressed that funding was the challenge of prime importance. Future studies should examine the perspectives of Addiction Medicine fellows, the clinical and research impacts of fellowship graduates, and the cost-effectiveness of fellowship funding models.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,024
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,910
Score d'incertitude au seuil0,984

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,024
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,118
Tête enseignante GPT0,504
Écart entre enseignants0,386 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAddiction Science & Clinical PracticeMême sujetOpioid Use Disorder TreatmentTravaux en français237 207