Rethinking how we educate our future physicians: the Queen’s-Lakeridge Health Medical Degree Family Medicine program: an innovative approach to medical education
Notice bibliographique
Résumé
Canadian healthcare, particularly family medicine, is experiencing a capacity crisis. To address this challenge, systems-level reform is required. Specific to medical education, there is an urgency for educational institutions to prepare the next generation of physicians to meet Canadians' healthcare needs. This will require not only the expansion of the number of physicians trained, but consideration of the specialty mix and types of practice those physicians are prepared to undertake. Building on an existing collaborative partnership, the Queen's-Lakeridge Health Doctor of Medicine - Family Medicine Program (QLH MD FM) launched in 2023. This initiative is designed to address the needs of Canadians through purposeful recruitment and the development of learners interested in, and committed to, careers in family medicine. This paper shares the experiences of the QLH MD FM team, and the steps taken in conceptualizing and implementing this educational initiative. A program description is provided, focusing on the six program pillars: (a) admissions, (b) curriculum, (c) faculty and staff engagement, (d) community engagement, (e) infrastructure and supports, and (f) learner experience. The QLH MD FM Program is an innovative approach to medical education that emphasizes an authentic focus on addressing the complex healthcare needs of individuals and their communities.
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 | 0,013 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,031 | 0,016 |
| Communication savante | 0,013 | 0,007 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,006 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».