Impact of an online course on infection control and prevention competencies
Notice bibliographique
Résumé
AIM: This paper is a report of a study to examine the impact of an online course on nurses' and allied healthcare professionals' competency in infection prevention and control and the influence of organizational climate on knowledge transfer. BACKGROUND: Nosocomial infection, globalization, international travel and bacterial resistance are among the factors contributing to heightened awareness of the importance of infection prevention and control in today's healthcare environment. An online course in infection control was developed to facilitate the delivery of standardized training to large numbers of health providers. METHOD: A quasi-experimental, pre-and post-test study using questionnaires and open-ended questions was conducted in 2006 with a convenience sample of 76 healthcare professionals, the majority of whom were Registered Nurses. FINDINGS: Participants made statistically significant increases in their perceptions of competency in infection control following the course. The majority were very satisfied with the course and reported that what they had learned was useful and relevant to their practice. Participants who worked in supportive organizations that were open to change reported a higher incidence of knowledge transfer activities. Two course design features in particular, video and interactive quizzes and games, motivated learners and enhanced the learning experience. CONCLUSION: Online learning can provide ongoing, convenient and effective access to up-to-date information on best practices in infection control and prevention. This standardized delivery approach minimizes demand on limited training resources which are under strain and gives learners the opportunity to refresh 'rusty' infection control and prevention skills.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».