MétaCan
Menu
← Retour à la cohorte
Enregistrement W2112668983

Training in interprofessional collaboration: pedagogic innovation in family medicine units.

2012· article· en· W2112668983 sur OpenAlexaffabout
Line Paré, Jean Maziade, Francine Pelletier, Nathalie Houle, Maximilien Iloko-Fundi

Notice bibliographique

RevuePubMed · 2012
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésMedical educationInterprofessional educationTraining (meteorology)Primary careUnit (ring theory)Health careMedicinePsychologyNursingFamily medicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

PROBLEM ADDRESSED: A number of agencies that accredit university health sciences programs recently added standards for the acquisition of knowledge and skills with respect to interprofessional collaboration. Within primary care settings there are no practical training programs that allow students from different disciplines to develop competencies in this area. OBJECTIVE OF THE PROGRAM: The training program was developed within family medicine units affiliated with Université Laval in Quebec for family medicine residents and trainees from various disciplines to develop competencies in patient-centred, interprofessional collaborative practice in primary care. PROGRAM DESCRIPTION: Based on adult learning theories, the program was divided into 3 phases--preparing family medicine unit professionals, training preceptors, and training the residents and trainees. The program's pedagogic strategies allowed participants to learn with, from, and about one another while preparing them to engage in contemporary primary care practices. A combination of quantitative and qualitative methods was used to evaluate the implementation process and the immediate results of the training program. CONCLUSION: The training program had a positive effect on both the clinical settings and the students. Preparation of clinical settings is an important issue that must be considered when planning practical interprofessional training.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0040,002
Communication savante0,0030,004
Science ouverte0,0020,006
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,234
Tête enseignante GPT0,478
Écart entre enseignants0,244 · 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 source (Gemma direct ou Codex distillé), 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

Citations14
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePubMed→Même sujetInterprofessional Education and Collaboration→Travaux en français237 207→