Role-Emergent Model: An Effective Strategy to Address Clinical Placement Shortages
Notice bibliographique
Résumé
Purpose: To evaluate the effectiveness of an advanced pharmacy practice experience (APPE) delivered at “role-emergent” placement sites within long-term care (LTC) facilities that are preceptored by off-site community pharmacists.Method: Seven LTC facilities participated: five newly recruited test sites preceptored by off-site pharmacists who supervised students remotely (“role-emergent” placements), and two previously established hospital-based facilities with on-site pharmacists who provided continuous student supervision (“role-established” placements) as a comparison group. Students participated in pre-APPE training. Both qualitative and quantitative methods were used to obtain student learning performance on 13 pre-defined learning objectives and 21 indicators of site resources and skills-development opportunities. Structured open-ended feedback questions and reflective student observations elicited more personal and situational experiences. These combined with faculty reviews of student documentation of their patient care delivery encounters and LTC Staff perspectives enabled comparisons between the two APPE formats. Results: A total of 23 students participated: three at role-established and 20 at role-emergent sites. Evaluations indicated that all students successfully completed their learning objectives. Some differences were apparent – for example students at role-emergent sites expressed a desire for more one-to-one time with their pharmacy preceptor, but they also benefitted from more inter-professional collaboration and interacted with a broader range of health professionals than students with on-site APPE preceptors. Conclusions: This study demonstrated that equivalent but non-identical learning occurs at LTC locations with off-site preceptors (role-emergent) as in role-established hospital-based settings with on-site preceptors. Importantly, it also opens opportunities for many new APPE placement opportunities since there about three times as many LTC facilities as acute care hospitals in our jurisdiction.
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 | 0,011 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,004 | 0,009 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».