MétaCan
Menu
Retour à la cohorte
Enregistrement W2008525545 · doi:10.1111/j.1365-2929.2005.02145.x

Online simulations of ambulatory care for medical residents

2005· article· en· W2008525545 sur OpenAlexaffabout
René Wong, Heather Lochnan

Notice bibliographique

RevueMedical Education · 2005
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensOttawa Hospital
Organismes subventionnairesnon disponible
Mots-clésAmbulatory careAmbulatoryMedicineCurriculumContext (archaeology)Duration (music)Family medicineMedical educationPsychologyHealth careInternal medicine

Résumé

récupéré en direct d'OpenAlex

Context and setting Despite a shift in patient care from inpatient to outpatient settings, graduates of internal medicine training programmes in Canada have perceived weaknesses in ambulatory care training. Resident continuity clinics may better prepare graduates for ambulatory practice, but they are logistically difficult to organise. Alternative methods are needed to improve the learning of ambulatory care principles during residency. Why the idea was necessary Residents in the internal medicine residency programme at the University of Ottawa spend most time on inpatient wards, and outpatient rotations are short in duration. Without a continuity clinic, it is difficult for residents to learn the ambulatory care principles necessary for practice, specifically continuity of care and practice management. We found little in a formal literature search on how to improve learning of these topics in this setting. We developed web-based simulations of ambulatory care, which we called ‘Continuity of Care Online Simulations’ (COCOS), to help fill this void. What was done Using endocrinology as a model, we developed an ambulatory-care curriculum that emphasises: longitudinal care of disease (monitoring disease course or treatment, adjusting therapy, when and how to discontinue therapy); special situations (medical problems of pregnancy, perioperative care), and practice management (urgency of consultations, appropriate follow-up duration and tests, collaboration with other doctors). These objectives were used to create a template storyboard that depicts sequential appointments. By adding disease-specific content to this template, we created simulations of the longitudinal care of patients with those diseases. Following the template ensured the general objectives could be discussed in reference to each specific disease. We developed 3 cases for residents to use on a trial basis. These are accessible on the Internet and require no software other than an Internet browser. Throughout each case, residents are asked to make multiple clinical and practice management decisions based on real-life scenarios. Immediate feedback is shown in pop-up message screens. Users complete an online quiz before and after each case and results are electronically recorded. Evaluation of results and impact Informal feedback from a resident focus group was strongly positive. COCOS was easy to access and navigate, and each case required an average of 25 minutes to complete. Residents felt COCOS should be used in other ambulatory care rotations, and requested access to COCOS to help prepare for qualifying examinations. It stimulated self-directed learning and preceptors noted that residents were more proactive in discussing ambulatory care topics. We used endocrinology as a model, but the template storyboard allows cases to be easily written for any specialty. The program's ability to track resident's responses could potentially be used for individual as well as rotation evaluation. Software development and maintenance was costly, and it was time-consuming to create the template and the first case. However, subsequent cases were more easily created. Revisions, if needed, were easily made, allowing incorporation of the most recent evidence. COCOS may improve residents' learning of ambulatory care principles, particularly in the absence of a resident continuity clinic. It also has the potential to expose residents to uncommon conditions, assist with lifelong learning and be used by programmes to share teaching materials and content. We plan to add another 3 cases and conduct a final evaluation.

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)0,002
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,446
Écart entre enseignants0,421 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMedical EducationMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207