Consensus mondial sur la responsabilité sociale des facultés de médecine
Bibliographic record
Abstract
Contexte et problématique : Au début du XXe siècle, les facultés de médecine firent face à des défis sans précédent pour faire en sorte que la formation des médecins soit efficace et fondée sur des bases scientifiques, comme en témoigne le rapport Flexner en 1910. En ce début du XXIe siècle, d’autres défis importants sont à relever, notamment : l’amélioration de la qualité, de l’équité, de la pertinence et de l’efficience dans la prestation des services de santé; l’harmonisation avec les réalités sociétales; la définition de rôles nouveaux pour les professionnels de santé; la démonstration de l’impact des interventions sur le niveau de santé des citoyens. Méthodes : Pour tenter de répondre à ces défis, 130 organisations et experts de par le monde, ayant des compétences en éducation médicale, en régulation professionnelle et en politique de santé, participèrent pendant huit mois à une séquence de trois consultations selon la méthode Delphi, couronnée par une conférence de consensus de trois jours modérée par un arbitre extérieur. Résultats : Le consensus comprend dix directions stratégiques pour qu’une faculté de médecine soit « socialement responsable », insistant sur des améliorations indispensables pour : répondre aux besoins et défis actuels et futurs de la société; prioriser en conséquence l’orientation en matière d’éducation, recherche et service; renforcer la gouvernance et le partenariat avec d’autres acteurs de santé; évaluer et accréditer en vue de mesurer et d’améliorer la performance et l’impact. Une synergie entre réseaux et organisations est recommandée au niveau mondial pour la mise en œuvre du consensus, avec comme tâches : un plaidoyer pour la reconnaissance de la pertinence du consensus mondial; des consultations pour l’adaptation et l’application du consensus dans différents contextes; une recherche pour la confection de normes illustrant la responsabilité sociale; une coordination mondiale pour partager les expériences et soutenir les initiatives. Conclusion : Un siècle après la publication du rapport Flexner, le consensus mondial sur la responsabilité sociale des facultés de médecine est un jalon important qui marquera le développement de l’éducation médicale dans le monde à l’avenir.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.193 | 0.253 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.008 | 0.007 |
| Science and technology studies | 0.006 | 0.006 |
| Scholarly communication | 0.011 | 0.010 |
| Open science | 0.005 | 0.017 |
| Research integrity | 0.009 | 0.012 |
| Insufficient payload (model declined to judge) | 0.015 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".