Dissecting through barriers: A mixed‐methods study on the effect of interprofessional education in a dissection course with healthcare professional students
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Healthcare delivery is reliant on a team-based approach, and interprofessional education (IPE) provides a means by which such collaboration skills can be fostered prior to entering the workplace. IPE within healthcare programs has been associated with improved collaborative behavior, patient care and satisfaction, reduced clinical error, and diminished negative professional stereotypes. An intensive interprofessional gross anatomy dissection course was created in 2009 to facilitate IPE at McMaster University. Data were collected from five cohorts over five years to determine the influence of this IPE format on the attitudes and perceptions of students towards other health professions. Each year, 28 students from the medicine, midwifery, nursing, physician's assistant, physiotherapy, and occupational therapy programs were randomly assigned into interprofessional teams for 10 weeks. Sessions involved an anatomy and scope-of-practice presentation, a small-group case-based session, and a dissection. A before/after design measured changes in attitudes and perceptions, while focus group data elaborated on the student experience with the course. Pre- and postmatched data revealed significant improvements in positive professional identity, competency and autonomy, role clarity and attitudes toward other health professions. Qualitative analysis of intraprofessional focus group interviews revealed meaningful improvements in a number of areas including learning anatomy, role clarity, and attitudes towards other health professions.
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.
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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle