Interprofessional Team Reasoning Framework as a Tool for Case Study Analysis with Health Professions Students: A Randomized Study
Notice bibliographique
Résumé
Background: This pilot study evaluated the efficacy of the Interprofessional Team Reasoning Framework (IPTRF) to facilitate teaching and learning case studies with health professions students.Methods and Findings: Eighteen interprofessional students were randomized to teams of six and were videotaped while completing a case. Team 1 (control) received only the case; team 2 received the case plus framework; and team 3 received the case, framework, and was shown videotaped examples of interprofessional interactions. The primary endpoint was students’ perceptions of interprofessional skills as measured pre and post intervention using a modified Team Skills Scale. The secondary endpoint was student performance as assessed by blinded individuals using a standardized rubric. The results revealed that students’ perceptions of team skills were significantly improved in team 2 and team 3 but not team 1. Students’ performance of their case as assessed by blinded faculty was significantly better in team 3 compared with teams 1 and 2.Conclusions: In this study of six disciplines, the IPTRF, in combination with modeled examples of interprofessional communication, was an effective tool to teach skills necessary to workup a patient case, which included collaboration, communication, and values/ethics. As the landscape of interprofessional education evolves, tools like the IPTRF will facilitate incorporation of these skills into health professions education.
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 | 0,045 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».