Pediatric resident training in child sexual abuse: A scoping review
Notice bibliographique
Résumé
Pediatric sexual abuse is prevalent and the skills to evaluate and manage suspected cases are necessary for all pediatricians. However, pediatric residents have variable clinical exposure to cases of sexual abuse and have reported limited didactic teaching. We aimed to describe the existing published educational strategies for training pediatric residents to assess and manage cases of suspected sexual abuse. MEDLINE, EMBase, PsychINFO and SCOPUS were searched with main clusters being “education” and “abuse” terms. To be eligible, studies needed to provide information about a sexual abuse educational resource or training for pediatric residents. All articles in the first and second stage screening were reviewed independently by two authors and data was extracted by one reviewer and independently verified by a second reviewer. Most pediatric residency programs report limited didactic and clinical teaching on child sexual abuse and many pediatric residents do not gain the skills necessary to assess and manage cases of suspected child sexual abuse. Educational interventions using a multi-faceted approach with a combination of self-study material, didactic lectures, case discussion, and simulation training or clinical placement have been effective in improving resident knowledge, skills and attitudes in assessing and managing cases of suspected child sexual abuse. We found few studies with reported outcome measures. Of those reported measures, knowledge gains waned several months following interventions and while knowledge scores in basic concepts increased, participants were not able to consistently apply the knowledge into interpretation of clinical cases. As a result, additional studies or strategies are needed to create effective educational interventions. • Pediatric residency programs have limited teaching on child sexual abuse. • Multi-faceted educational tools improve resident skills in managing sexual abuse. • More tools are needed to maintain knowledge gains and teach knowledge application.
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 | 0,009 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,016 | 0,021 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».