Impact of an Online Medical Internet Site on Knowledge and Practice of Health Care Providers: A Mixed Methods Study of the Spinal Cord Injury Rehabilitation Evidence Project
Notice bibliographique
Résumé
BACKGROUND: It is not known whether ongoing access to a broad-based Internet knowledge resource can influence the practice of health care providers. We undertook a study to evaluate the impact of a Web-based knowledge resource on increasing access to evidence and facilitating best practice of health care providers. OBJECTIVE: The objective of this study was to evaluate (1) the impact of the Spinal Cord Injury Rehabilitation Evidence (SCIRE) project on access to information for health care providers and researchers and (2) how SCIRE influenced health care providers' management of clients. METHODS: A 4-part mixed methods evaluation was undertaken: (1) monitoring website traffic and utilization using Google Analytics, (2) online survey of users who accessed the SCIRE website, (3) online survey of targeted end-users, that is, rehabilitation health care providers known to work with spinal cord injury (SCI) clients, as well as researchers, and (4) focus groups with health care providers who had previously accessed SCIRE. RESULTS: The online format allowed the content for a relatively specialized field to have far reach (eg, 26 countries and over 6500 users per month). The website survey and targeted end-user survey confirmed that health care providers, as well as researchers perceived that the website increased their access to SCI evidence. Access to SCIRE not only improved knowledge of SCI evidence but helped inform changes to the health providers' clinical practice and improved their confidence in treating SCI clients. The SCIRE information directly influenced the health providers' clinical decision making, in terms of choice of intervention, equipment needs, or assessment tool. CONCLUSIONS: A Web-based knowledge resource may be a relatively inexpensive method to increase access to evidence-based information, increase knowledge of the evidence, inform changes to the health providers' practice, and influence their clinical decision making.
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 | 0,046 | 0,079 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».