MétaCan
Menu
Retour à la cohorte
Enregistrement W2099921259 · doi:10.3109/13561820.2012.694503

Toward better care of delirious patients at the end of life: A pilot study of an interprofessional educational intervention

2012· article· en· W2099921259 sur OpenAlexaffabout
Susan Brajtman, David Wright, Pippa Hall, Shirley H. Bush, Enkenyelesh Bekele

Notice bibliographique

RevueJournal of Interprofessional Care · 2012
Typearticle
Langueen
DomaineMedicine
ThématiquePalliative Care and End-of-Life Issues
Établissements canadiensBruyèreUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésCompetence (human resources)Intervention (counseling)TeamworkPsychologyInterprofessional educationNursingMedicineMedical educationHealth care

Résumé

récupéré en direct d'OpenAlex

Symptom distress with end-of-life delirium (EOLD) is complex and multidimensional, and interprofessional (IP) teams require knowledge and skill to effectively care for these patients and their families. The purpose of this pilot study was to test an educational intervention about EOLD for IP teams at a long-term care facility and a hospice. The intervention included a comprehensive self-learning module (SLM) on EOLD and IP teamwork; a modified McMaster-Ottawa team objective structured clinical encounter (TOSCE) and a didactic "theory burst" on the principles of delirium assessment, diagnosis and management. Evaluation tools completed by participants included the interprofessional collaborative competencies attainment survey (ICCAS) and the W(e) Learn. Two groups at each site participated in 1-hour sessions, repeated 2 weeks later. Only one group from each site received the SLM after the first session. Researchers scored EOLD knowledge and IP team functioning in both sessions. Results suggest that the intervention improved EOLD knowledge and perceptions of IP competence and supports the value of the TOSCE as an IP teaching method. The module does not appear responsible for the changes. Future studies are required to evaluate the effectiveness of the individual components used in this study, and to tailor the intervention to individual care contexts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,140
Score d'incertitude au seuil0,701

Scores Codex et Gemma par catégorie

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

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 Opus0,086
Tête enseignante GPT0,438
Écart entre enseignants0,352 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations21
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Interprofessional CareMême sujetPalliative Care and End-of-Life IssuesTravaux en français237 207