Cultural models within general practice training: a scoping review
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: Doctors training to become GPs (GPs-in-training) are increasingly working in cross-cultural consultations. Cultural models have been developed as frameworks to better equip medical professionals towards more culturally appropriate health care, with potential to improve equity in healthcare systems. AIM: To map evidence on models of cultural competence, cultural safety, cultural humility, and transcultural care within GP training worldwide. DESIGN & SETTING: A scoping review was conducted using Arksey and O'Malley's framework. METHOD: Searches were conducted across three databases, extending to grey literature such as curricula. Articles were extracted, reviewed, and analysed according to inclusion criteria. RESULTS: Nineteen articles met inclusion criteria. Publications ranged from 2008-2024, with 10 articles from Australia, five from the US, two from Sweden, one from Canada, and one from The Netherlands. The following three themes were generated: unlearning; informal learning; and informed learning. The literature illustrates that there are gaps in knowledge of what the models are and how best to practise and teach them within GP education. CONCLUSION: Cultural models advocate for cultural awareness, examine power imbalances, and encourage self-reflexivity and learning. Integrating cultural models into health care can better serve all patients, with potential to reduce health inequities. There also needs to be an adaptation to learning in traditional GP consultations with a focus on how our own biases impact the care that we provide, and a more formal learning of cultural models best delivered by GP trainers in partnership with cultural mentors.
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 | 0,002 | 0,002 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 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