Chronic pain and healthcare education in Canada: Bridging the divide
Notice bibliographique
Résumé
Chronic pain and healthcare education in Canada: Bridging the divide Hansel Lui from the Michael G. DeGroote Institute for Pain Research and Care discusses inadequacies in healthcare education regarding chronic pain management in Canada and opportunities to close these gaps. In this article, Hansel Lui, part of our team at the Michael G DeGroote Institute for Pain Research and Care and the National Pain Centre, provides an additional perspective on ‘pain care in Canada’ – one of the underlying elements of the opioid crisis in Canada. This is the amount of training for pain care that is provided to healthcare professionals. Much has been said about the role of physician prescribing in the origins of the opioid crisis, especially in North America. It is the case that most prescriptions for opioids are for the treatment of pain, either acute or chronic. Chronic pain is a pervasive health issue in Canada, yet education on its management is underrepresented in healthcare curricula. Recognition that chronic pain is not a simple biological problem but often a complex biopsychosocial phenomenon has led to further recognition that optimal treatment requires an understanding of this complexity and the availability of appropriate interdisciplinary treatment. However, this degree of understanding has not yet transitioned from the field of pain experts into the general level of knowledge and awareness of the broad range of practicing healthcare professionals in Canada. In its 2014 ‘First Do No Harm’ [FDNH] document, (1) the Canadian Center on Substance Use and Addiction [CCSA] made the point that effectively addressing the opioid crisis required not only an understanding of addiction but also an understanding of pain, its origins, impact and appropriate treatment. Fifty percent of the recommendations in the document addressed issues related to pain, including the education of healthcare professionals. This article explores recent progress, including adopting IASP guidelines, innovative teaching methods, and opportunities to close gaps in pain education.
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 | 0,013 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,006 | 0,010 |
| Études des sciences et des technologies | 0,036 | 0,021 |
| Communication savante | 0,023 | 0,012 |
| Science ouverte | 0,005 | 0,018 |
| Intégrité de la recherche | 0,010 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 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 ».