General practitioners’ knowledge gaps regarding age related macular degeneration and effectiveness of their e-learning training
Notice bibliographique
Résumé
Objective: To assess the General Practitioners (GPs) knowledge regarding Age Related Macular Degeneration (ARMD) in order to better design a specific training program, then to evaluate the achievement of their clinical competences in the care of ARMD after taking a specific training program. Methods: The first part of the study was a postal questionnaire survey sent to all GPs in Castilla & León. An interactive e-learning program with virtual tutorials was specifically designed for them to cover the identified gaps. Results: 725 GPs out of 2365 answered the survey, and 44% of them recognized they did not know the best screening test (Amsler grid). Around 30% did not know about the bilateralism, prevalence, risk factors, prevention or treatment of ARMD. Younger physicians knew more about ARMD. A specifically designed course was offered to 205 GPs and 164 completed it. We found a higher number of female and younger doctors doing the course compared with the group answering the previous survey. The answer “I do not know” almost disappeared after the course. The probability of suspecting a typical case of ARMD was higher after the course. Conclusions: The specific interactive online training program focused on covering the identified GPs´ gaps led to an effective learning.
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 | 0,001 | 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 ».