Continuity interrupted: exploring discontinuity of education and mitigation strategies in family medicine
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Continuity of education (CoE) is a growing area of interest in health professions education, both for its impacts on learning (continuity of curriculum and continuity of supervision; CoS) and for its influence on patient care (continuity of patient care; CoPC). The COVID-19 pandemic offered an opportunity to examine discontinuity of education and the potential impacts of interruption to CoE, a knowledge gap in medical education research. METHODS: We conducted 14 semi-structured qualitative interviews involving participants from a Canadian family medicine programme. We recorded and transcribed interviews conducted on Zoom that were then analysed iteratively using reflexive thematic analysis to identify major themes. RESULTS: We identified three themes. Theme 1: Changed relationships: an alteration due to mitigation strategies. Theme 2: Preparedness for practice: a decrease despite mitigation strategies. Theme 3: Adaptivity in the face of change: a consequence of mitigation strategies. CONCLUSION: This study suggests that there are three main implications resulting from the impacts of disruption to CoE. Faculty development and curricular design are needed to support interrupted relationships, including finding ways to help faculty and residents nurture changed relationships. Physicians in their first 5 years of practice who have experienced disruption in their training may benefit from additional support to address the negative impact on their sense of preparedness for practice. Finally, the positives learned from this study can be used to face future disruptions to CoE.
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.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 découle