See It – Do It – Learn It: Learning Interprofessional Collaboration in the Clinical Context
Notice bibliographique
Résumé
Background: The primary goal of the Interprofessional Education in Geriatric Care (IEGC) project was to design, deliver, and evaluate interprofessional (IP) clinical placements for pre-licensure learners in geriatric day hospitals.Methods: Project evaluation was guided by the modified Kirkpatrick's Model of Educational Outcomes. Using a controlled before-after design, the Attitudes Toward Health Care Teams Scale (ATHCTS), Team Skills Scale (TSS), and Knowledge Questionnaire were administered to intervention and control learners pre-, post-, and 6 months post clinical placements. Quantitative data were analyzed using descriptive and multivariate statistics. Qualitative data collected through journals and questionnaires were analyzed using content analysis.Findings: Eleven IP clinical placements occurred at 3 test sites involving 32 intervention and 11 control learner participants. There was no significant change, over time, in the ATHCTS quality of care and physician centrality scores for the combined group (i.e., intervention and control) and between intervention and control groups. Time effects were noted in the quality of care scores for the intervention group after controlling for prior IPE (p = .031). The Knowledge scores were higher for the intervention group compared with controls over time (p = .004). Both intervention and control groups demonstrated significant improvements in their TSS scores over time (p = .000), although there was no significant difference in the magnitude of the change between groups (p = .112). Themes observed through qualitative analysis of learners' journals and post-program reflective questionnaires supported the quantitative findings.Conclusions: The IEGC experience was valuable to senior pre-licensure learners in helping them understand collaborative patient-centred practice and team skills. Future research should strive for larger sample sizes through multi-site projects to allow for comparisons within and between clinical sites.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».