Equity-focused teaching goals in health professions education: an analysis of teaching cases in a Master’s of Physical Therapy program
Notice bibliographique
Résumé
Purpose This study explores the representation of socio-demographic characteristics and social determinants of health (SDOH) within teaching cases in a professional Master of Physical Therapy program, assessing their potential to promote the development of effective approaches to equity-focused physical therapy care among students.Methods Using an intersectionality framework and the SDOH model, 74 teaching cases from a Canadian Master of Science in Physical Therapy program were systematically analysed. Cases were evaluated for explicit inclusion of socio-demographic characteristics (e.g. race, gender identity, sexual orientation) and SDOH elements (e.g. income, social support, physical environment). Data were summarised to identify patterns and frequencies using summary statistics.Results The analysis revealed significant gaps: race was mentioned in only 9.45% of cases, gender identity in 2.70%, Indigenous identities in 1.35%, and sexual orientation was absent. Socio-economic status (56.75%) and sex (66.21%) were more frequently included. Among SDOH, personal health practices (78.37%) and physical environment (70.27%) were commonly referenced, whereas culture (2.70%) and gender (18.91%) were underrepresented. Many cases prioritised clinical details over structural barriers, limiting opportunities to develop structural competence.Conclusion Teaching cases inadequately represent key socio-demographic and SDOH factors, undermining their potential to foster equity-oriented clinical reasoning and structural competence. The study recommends standardised, equity-focused case frameworks to strengthen anti-oppressive education.
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 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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».