Developing an Anti-Racism Tool Kit for Medical Education: A Pre-Clerkship Curriculum Audit
Notice bibliographique
Résumé
Background Racialized health inequities are poorly addressed in medical education, often presenting race without social context and perpetuating racialized biases. Reframing the understanding of race as a social construct and incorporating anti-racism education into medical curricula are essential to mitigate health inequities. Our study describes an anti-racism curriculum audit conducted for the University of Ottawa Undergraduate Medical Education pre-clerkship program. This audit informed the development of an anti-racism toolkit designed to serve as a systematic guide for medical schools undertaking curriculum reforms. Methods A comprehensive anti-racism curriculum audit was conducted on pre-clerkship curriculum content from May 2020 to August 2021. Content flagged for concern was categorized into 4 themes: insufficient representation of racialized populations, race-based generalizations, cultural insensitivities, and reinforcement of stereotypes. Results The curriculum audit evaluated 772 course modules, completed by 18 medical students. A total of 224 (31.6%) modules contained one or more racial biases. The most prevalent concern was insufficient representation of racialized populations, identified in 145 flagged comments (55.1%). Curriculum content also perpetuated race-based generalizations ( n = 75 flagged comments, 28.5%), racial stereotypes ( n = 23 flagged comments, 8.8%), and cultural insensitivities ( n = 20 flagged comments, 7.6%). Conclusions This anti-racism curriculum audit revealed a lack of diverse representation, alongside the persistence of race-based generalizations, stereotypes, and cultural insensitivities in a large proportion of the pre-clerkship curriculum. An anti-racist lens and curriculum are necessary to reduce bias in medical education and empower medical students to provide equitable care to the diverse Canadian patient population.
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 | 0,022 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».