MétaCan
Menu
Retour à la cohorte
Enregistrement W1965725798 · doi:10.4212/cjhp.v66i4.1271

Online versus Live Delivery of Education to Pharmacists in a Large Multicentre Health Region: A Non-inferiority Assessment of Learning Outcomes

2013· article· en· W1965725798 sur OpenAlexaffvenueabout
Robert L. Taylor, Joanne Jung, Peter Loewen, Carrie Spencer, Anar Dossa, Jane de Lemos

Notice bibliographique

RevueThe Canadian Journal of Hospital Pharmacy · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensVancouver General HospitalUniversity of British ColumbiaVancouver Coastal HealthRichmond Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicinePharmacistSession (web analytics)Online learningQuarter (Canadian coin)Confidence intervalMedical educationFace-to-faceRandomized controlled trialFamily medicinePharmacyMultimediaComputer scienceInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background: The prevalence of online modules for continuing education in the health professions has been increasing in recent years. However, the effectiveness of online modules for pharmacist learning has not been thoroughly studied.Objectives: The primary aim of this study was to determine if providing education to pharmacists through a self-paced enhanced online module was non-inferior to a face-to-face learning module with respect to knowledge application on the topic of postoperative insulin dosing. Secondary aims were to determine pharmacists’ knowledge gain and retention, as well as their satisfaction with the modules.Methods: The participants in this prospective, randomized, parallelgroup non-inferiority trial were pharmacists in a large multicentre health region. Outcomes were measured by comparing scores obtained on pre- and post-module knowledge-assessment questionnaires. A betweengroup difference in change on knowledge application scores of less than 25 percentage points was the predetermined non-inferiority margin.Results: A total of 74 pharmacists consented to participate, 38 randomly assigned to use the enhanced online module and 36 to attend the face-to-face learning session. For questions examining knowledge application, the mean improvement achieved by the online learning group was 26 percentage points greater than that achieved by the face-to-face learning group (95% confidence interval [CI] 25 to 27; p < 0.001). For questions testing knowledge gain, the improvement achieved by the online learning group was 7 percentage points less than that achieved by the face-to-face learning group (95% CI 2 to 12; p = 0.008). Therefore, the enhanced online module was deemed to be non-inferior to the face-to-face learning session in terms of knowledge application and knowledge gain. Insufficient data were available to analyze the secondary outcome of knowledge retention over time. Participant satisfaction was similar for the 2 groups (p = 0.62).Conclusion: The self-paced enhanced online module was non-inferior to facilitated face-to-face learning in terms of improving application and knowledge of insulin dosing. Pharmacists had similar levels of satisfaction with the 2 modes of learning.RÉSUMÉContexte : La prévalence des modules d’apprentissage en ligne pour la formation continue des professionnels de la santé a augmenté ces dernières années. Cependant, l’efficacité de ces modules pour l’apprentissage des pharmaciens n’a pas fait l’objet d’études rigoureuses.Objectifs : Le principal objectif de cette étude était de déterminer si la formation offerte aux pharmaciens au moyen d’un module d’autoapprentissage en ligne amélioré était non inférieure à un module d’apprentissage en personne pour ce qui est de l’application des connaissances sur le sujet de la détermination des doses d’insuline postopératoires. Les objectifs secondaires étaient de mesurer l’acquisition et la rétention des connaissances par les pharmaciens et leur satisfaction par rapport à l’apprentissage.Méthodes : Les participants à cette étude prospective de non-infériorité à répartition aléatoire et groupes parallèles étaient des pharmaciens d’une importante régie régionale de la santé multicentre. Les résultats ont été mesurés en comparant les scores obtenus aux questionnaires d’évaluation des connaissances pré- et post-formation. Une différence intergroupe du changement des scores de l’application des connaissances de moins de 25 points de pourcentage constituait la marge de non-infériorité prédéterminée.Résultats : En tout, 74 pharmaciens ont consenti à participer à l’étude, dont 38 ont été répartis de façon aléatoire dans le groupe module d’apprentissage en ligne amélioré et les 36 autres, dans le groupe séance d’apprentissage en personne. Pour les questions examinant l’application des connaissances, l’amélioration moyenne obtenue dans le groupe apprentissage en ligne était supérieure de 26 points de pourcentage à celle obtenue dans le groupe apprentissage en personne (intervalle de confiance [IC] à 95 %, 25 à 27; p < 0,001). Pour les questions testant l’acquisition de connaissances, l’amélioration obtenue dans le groupe apprentissage en ligne était inférieure de 7 points de pourcentage à celle obtenue dans le groupe apprentissage en personne (IC à 95 %, 2 à 12; p = 0,008). Par conséquent, le module d’apprentissage en ligne amélioré a été jugé non inférieur à la séance d’apprentissage en personne pour ce qui est de l’application des connaissances et de l’acquisition des connaissances. L’insuffisance des données n’a pas permis d’analyser le résultat secondaire relatif à la rétention des connaissances au fil du temps. La satisfaction des participants était similaire entre les deux groupes (p = 0,62).Conclusion : Le module d’autoapprentissage en ligne amélioré était non inférieur à une séance d’apprentissage en personne au chapitre des connaissances et de leur application pour déterminer les doses d’insuline postopératoires. Les niveaux de satisfaction des pharmaciens étaient similaires entre les deux méthodes d’apprentissage.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,018
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,398
Écart entre enseignants0,366 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2013
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Hospital PharmacyMême sujetOnline and Blended LearningTravaux en français237 207