“Mainstreaming” Interprofessional Education within Hospital Settings: Findings from a Multiple Case Study
Notice bibliographique
Résumé
AbstractBackground: Interest in interprofessional education (IPE) to promote effective interprofessional collaboration (IPC) has gained momentum across healthcare, professional education, and government sectors. In general, the IPE literature tends to report single-site studies. This article presents a rare study that reports a largescale multi-site IPE initiative. It draws upon a newly developed notion of mainstreaming—introduced to the literature by Barr and Ross—that helps illuminate the implementation issues related to an IPE initiative.Methods and Findings: A realistic evaluation framework was employed to explore the overarching impact of this large initiative (involving 6 IPE programs within 13 hospitals) on the teaching hospital network in which it was implemented. Qualitative methods were used to gather a total of 142 interviews with program leaders, facilitators, and learners. Findings provide insight into the mainstreaming of IPE in relation to educational, professional, and organizational outcomes. Educational outcomes detail how inter-organizational partnerships developed among hospitals with the sharing of ideas and resources for implementing IPE and IPC. Professional outcomes describe learners’ experiences of increased awareness of the policy agenda and the meanings and value they attach to IPE and IPC. Organizational outcomes demonstrate that interprofessional champions with senior management support and protected time were core mainstreaming elements, and yet participants outlined a range of concerns and desires for the sustainability of this IPE initiative.Conclusions: This article provided empirical insight into the perceptions, ideas, and experiences of IPE from a wide range of program developers, facilitators, and attendees. Barr and Ross’ concept of mainstreaming and the use of a realistic evaluation framework provide a useful way to illuminate the processes and outcomes of implementing a large multi-institutional IPE initiative.
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 | 0,025 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,017 | 0,008 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,004 | 0,013 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; 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 ».