Are Health Equity Rounds an Acceptable Format to Address Education on Implicit Bias and Structural Racism in Pediatric Emergency Settings?
Notice bibliographique
Résumé
OBJECTIVES: Implicit bias and structural racism in pediatric health care cause significant inequities and poorer outcomes. To help educate pediatric health-care providers, health equity rounds (HER) engage teams in discussions on the impact of bias and racism on patient care using a case-based curriculum. This mixed-methods study assessed the feasibility and acceptability of incorporating HER in a pediatric emergency medicine (PEM) setting. METHODS: Two HERs, focusing on implicit bias in medicine (June 2021) and linguistic barriers to health care (December 2021), were completed during the institution's multidisciplinary, PEM update rounds. Cases presented were selected if patient care and/or outcomes were negatively affected, were appropriate for educational discussion and relevant to the presentation topic. HER participants were invited to complete an online survey and semi-structured interview post-HER to explore their experiences, including professional and personal impacts. RESULTS: Both HERs were well-attended and had a moderate survey uptake (20/25 vs. 14/22). Three-quarters of survey participants found HER engaging (80%), and believed the learned objectives would impact their clinical practice (73.7% vs. 78.6%). Responses varied between presentations for educational value (80% vs. 61.6%) and interest in future HERs (94.7% vs. 78.6%). Four themes emerged from 3 qualitative interviews: HER satisfaction and experience, influence on service provision, supports and resources, and ideas for future HERs. CONCLUSIONS: Our findings suggest HER is an acceptable and feasible forum for discussing and reflective practice on relevant topics in PEM educational sessions. Implementing HER in other specialized areas or settings and the impact of different topics should be explored further.
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 | 0,041 | 0,108 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».