E-learning education solutions for caregivers in long-term care (LTC) facilities: new possibilities.
Notice bibliographique
Résumé
CONTEXT: Online learning (referred to as e-learning throughout this article) has proved to be a useful tool for delivering accessible and convenient education to busy clinical healthcare workers. The ABS Management Company specifically designed a program to provide nurses and caregivers with the necessary knowledge and skills to improve the quality of care and the quality of life for the geriatric population in long-term care (LTC) facilities. OBJECTIVES: The purpose of the "Online Solutions: Quality Education for Quality Care in Long-Term Care" program is to use new educational pedagogies and innovative ways to conceptualise and deliver healthcare education to meet the complex issues and concerns of caregivers in LTC facilities. METHODS: During the one-year period that data were collected for this study, 881 caregivers completed the eight (one-hour) modules in the program. Of these, 753 (85%) completed the optional assessment (both the pre and post tests) for one or more of the eight modules. Therefore, of the 881 employees who reviewed all eight modules (881x8 = 7048 modules), 1046 modules (15%) had both pre-post test data upon which to build the analysis. FINDINGS: Information from the evaluation revealed learner improvement in pre-post test scores in excess of 10%, suggesting an increase in new and relevant skills and knowledge related to abuse and neglect, elopement, infection control, nutrition and hydration, pressure ulcers, provision of basic care and restraints. Moreover, the data indicated a reduction in the use of restraints and occurrence of pressure ulcers, suggesting that learners applied new knowledge and skills in the workplace. Finally, staff turnover rates decreased more than 20% suggesting greater job satisfaction after participating in the program. CONCLUSIONS: The research findings point to an urgent and unmet need to provide more accessible just-in-time, just-for-you education programs for caregivers in LTC facilities to ensure quality and efficient services to residents and their families.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».