Knowledge translation in interprofessional education: what difference does interprofessional education make to practice?
Notice bibliographique
Résumé
Abstract Cancer Care Nova Scotia developed an Interprofessional Core Curriculum for Nova Scotia health professionals, using a provincial educational needs assessment of health professionals caring for patients with cancer. This paper reports on the educational outcomes of the Interprofessional Core Curriculum programme, particularly the translation of learning into changes in practice and interprofessional interaction, and factors influencing change. The evaluation was guided by Kirkpatrick's model for assessing educational outcomes and Green and Kreuter's PRECEDE model of factors promoting and impeding change. In total, 411 participants attended the sessions, including nurses (54%), pharmacists (23%), and physicians (11%). We used self‐report questionnaires to assess the transfer of learning into changes in practice and interprofessional interactions. High percentages of participants reported changes in both clinical practice and interprofessional interactions 3 months after the sessions. Frequently reported changes to interprofessional interactions were improved communication, increased confidence and assertiveness in interactions with other health professionals and being more respectful of other professions. Participants identified time and work‐load as major barriers to change as well as lack of micro‐ and macro‐system level support. The most common reported enabler of change was having attended the educational session. Overall, participants were highly supportive of interprofessional education, although when compared to nurses and pharmacists, physicians were less supportive and had proportionately lower attendance.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».