Capacity-building in family health: innovative in-service training program for teams in Latin America.
Notice bibliographique
Résumé
PROBLEM BEING ADDRESSED: Brazil, Chile, and Canada are among the countries where development and deployment of human resources have been central to health reform; however, it is unclear how the education and training of primary care workers is best accomplished. OBJECTIVE OF THE PROGRAM To implement a model of in-service training in primary health care for interdisciplinary teams of primary health care professionals from Brazil and Chile. PROGRAM DESCRIPTION: This 5-module program targeted primary care providers from various disciplines who had at least 3 months of front-line experience. The program was offered in 2 formats: intermittent "in-country" training or an intensive course taught in Canada. In Brazil, the in-country training took place over a period of 8 to 12 months, during which 5 modules of 2 to 3 days each were interspersed with 2-month "action periods." The intensive course taught in Canada was delivered to Chilean participants in Toronto, Ont, where 3 modules were offered to a group of 12 to 20 primary health care professionals over a 6-week period. The educational methodology combined short didactic presentations, whole group learning exercises, and small group problem-based learning sessions, including team projects that were completed in between each module and presented at the beginning of the next one. During the course, the participants learned how to perform computer database searches and assess the best evidence in the management of common problems. CONCLUSION: Pretests, posttests, and evaluations of student projects demonstrated that participants had increased knowledge, as well as increased capacity to use the best evidence to address common problems in their communities. This is a promising model, adapted to the context of primary care reform in Latin America, with strong potential to support health human resource development and multidisciplinary care by front-line providers in other countries.
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 | 0,002 | 0,002 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
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 ».