Teaching social determinants of First Nations health in medical and health curricula: A review of the literature
Notice bibliographique
Résumé
Purpose This review examines contemporary curricular approaches to teaching the social determinants of health (SDoH) for First Nations peoples in Australian medical and health education. The purpose was to synthesise existing literature, identify common themes and gaps, and assess how tertiary education equips health professionals to address inequities in healthcare delivery for First Nations communities. Methods A narrative literature review was conducted between 2020 and 2024. Search terms reflected tertiary health education, SDoH, and First Nations health. Grey literature, frameworks, policies, and reports were also included. A total of 43 relevant sources were analysed thematically. Main findings The review found that First Nations health has been recognised as an accreditation standard since 2006, yet teaching approaches remain highly variable across institutions. Five recurring themes were identified: the impact of colonisation on health outcomes; recognition of Indigenous ways of health and healing; centring Indigenous voices and leadership; embedding anti-racism teaching; and highlighting health inequities within the healthcare system. Recommended practices included horizontal and vertical integration of Indigenous health content, community-based and immersion learning, and the adoption of holistic frameworks such as the Social and Emotional Wellbeing Wheel and Two-Eyed Seeing. Principal conclusions Despite multiple frameworks and guiding principles, no nationally consistent or comprehensive approach to teaching SDoH for First Nations health currently exists across Australian tertiary institutions. Curriculum redesign is essential, grounded in decolonising pedagogies and First Nations leadership.
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 | 0,002 | 0,001 |
| 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 | 0,002 | 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 ».