Addressing oral health equity through community service-learning and person-centered care in Ontario: patient and provider perspectives
Notice bibliographique
Résumé
This study aimed to investigate the influence of the Community Service-Learning (CSL) program at Schulich Dentistry on the experiences and perceptions of patients and healthcare providers (HCP) at the Oxford County Community Health Centre (OCCHC) in Ontario, Canada. The CSL program aimed to address the oral health needs of equity-deserving populations and provide dental learners with experiential, community-based training. A qualitative research methodology using a Community-Engaged Research (CEnR) framework was employed. Data was collected through one-on-one interviews with 21 patients and six HCPs at the OCCHC. Inductive thematic analysis was conducted to identify key themes. As a result, five main themes were identified, with overlap between patients and HCPs. Two major themes emerged from the interviews with patients (1) challenges and barriers to dental care and (2) enhanced access to dental care through the CSL program; highlighting stigma and discrimination due to public dental insurances and low socioeconomic status. From the HCPs' perspectives, (3) person-centred care was the main identified theme, emphasizing the importance of understanding patients' individualized circumstances and social determinants of health when providing dental care. Additionally, common themes between patients and HCPs were also identified as (4) supportive environment and (5) patient empowerment and self-confidence. In conclusion, the CSL program addressed the oral health needs of equity-deserving patients by improving patient access to dental care while increasing patients' self-esteem and confidence through a person-centred care approach. These findings highlight the importance of community-integrated models of dental care in addressing oral health inequities and training future dental professionals.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,003 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».