Improving Health Literacy Training and Communication Competencies for Health Professionals in Austria and Canada: A Comparative Study
Notice bibliographique
Résumé
Background Canada is a leader in health promotion, public health, interprofessional curricula, intercultural competencies and has a longer history of health literacy (HL) developments. Austria is in the early stages of HL capacity building and developing communication training for health professionals treating people in vulnerable situations. The primary aim of our project is to analyze the education of health professionals (medical, nursing and pharmacy students) regarding HL, intercultural and interprofessional communication skills and patient-centered interactions with underserved populations in Austria and Canada. The importance of communication in healthcare has increased significantly during the COVID-19 pandemic; thus the question of how communication training has changed in the light of the pandemic is also explored. Methods The study design included four methods: a literature review, a document analysis, a curricula survey, and expert interviews. Results Recognizing the importance of HL and improved quality of health communication; the Austrian government along with educational institutions have looked abroad to identify best practises, e.g., from Canada. Moreover, a national train-the-trainer program was developed but is yet to be integrated in all universities. Expert interviews and curricula surveys as well as a document analysis indicate that communication training varies by province in Austria and Canada in terms of both course content and longitudinal integration. COVID-19 has changed clinical communication practises and hindered training for young professionals. Conclusion The development of communication curricula and HL competencies is a long and continuous process in both countries. Publication History Article published online: 22 August 2022 © 2022. Thieme. All rights reserved. Georg Thieme Verlag Rüdigerstraße 14, 70469 Stuttgart, Germany
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 | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,007 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».