Involving Clinical Librarians at the Point of Care: Results of a Controlled Intervention
Notice bibliographique
Résumé
PURPOSE: To measure the effect of including a clinical librarian in the health care team on medical residents and clinical clerks. METHOD: In 2009, medical residents and clinical clerks were preassigned to one of two patient care teams (intervention and control). Each team had a month-long rotation on the general medicine teaching unit. The clinical librarian joined the intervention team for morning intake, clinical rounding, or an afternoon patient list review, providing immediate literature searches, formal group instruction, informal bedside teaching, and/or individual mentoring for use of preappraised resources and evidence-based medicine search techniques. Both intervention and control teams completed pre and post surveys comparing their confidence levels and awareness of resources as well as their self-reported use of evidence for making patient care decisions. The nonintervention team was surveyed as the control group. RESULTS: The clinical librarian intervention had a significant positive effect on medical trainees' self-reported ability to independently locate and evaluate evidence resources to support patient care decisions. Notably, 30 of 34 (88%) reported having changed a treatment plan based on skills taught by the clinical librarian, and 27 of 34 (79%) changed a treatment plan based on the librarian's mediated search support. CONCLUSIONS: Clinical librarians on the care team led to positive effects on self-reported provider attitudes, provider information retrieval tendencies, and, notably, clinical decision making. Future research should evaluate economic effects of widespread implementation of on-site clinical librarians.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».