Dental students' readiness to tackle social determinants of health: A descriptive qualitative study
Bibliographic record
Abstract
RésuméCONTEXTE: Les associations professionnelles s'accordent sur la nécessité de réformer le secteur de l’éducation en médecine dentaire. Un des volets de cette réforme est d'améliorer les compétences des futurs dentistes pour répondre aux besoins des patients et des communautés défavorisés. Malgré l’intérêt croissant pour l’intégration de cours sur les déterminants sociaux de la santé, nous savons mal comment les futurs dentistes voient les reformes actuelles et s’ils se sentent prêts pour aborder ces déterminants sociaux dans leur future pratique.OBJECTIF: Notre but était de mieux connaitre les opinions des étudiants en médecine dentaire sur les déterminants sociaux de la santé, et de savoir dans quelle mesure ils se sentaient préparés pour les incorporer dans leur future pratique. METHODES: Dans le cadre d'une étude qualitative descriptive, nous avons recruté 15 étudiants en médecine dentaire de troisième et quatrième années de premier cycle. Ces derniers ont participé à une entrevue individuelle semi-structurée qui était enregistrée, retranscrite et analysée de manière thématique. RÉSULTATS: Les participants rapportent avoir suivi des cours sur les déterminants sociaux de la santé et considèrent pertinent d'en tenir compte pour établir des plans de traitement appropriés. Ils se sentent confiants pour identifier les déterminants sociaux de la santé et ont souligné que l’exposition à des projets communautaires les incitait à participer à des initiatives communautaires dans le futur. Toutefois, les participants aimeraient approfondir leurs compétences pour traiter les personnes issues de ces milieux. Ils ont notamment relevé qu’ils ne se sentaient pas prêts pour guider leurs patients face à plusieurs obstacles dans l’accès aux soins dentaires, notamment sur le plan financier, soulignant l'utilité des cliniques outreach de McGill pour servir ces patients.CONCLUSIONS: Le programme actuel de médecine dentaire de premier cycle semble fournir aux étudiants des connaissances et des compétences pour identifier les déterminants sociaux de la santé de leurs patients. Cependant, il reste insuffisant pour aider les futurs dentistes à agir sur ces déterminants sociaux
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 | 0.012 | 0.015 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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".