Small-group CME using e-mail discussions. Can it work?
Notice bibliographique
Résumé
PROBLEM BEING ADDRESSED: Traditional continuing medical education (CME) approaches do not work well in changing physicians' behaviour, but some promising strategies and technologies might help. Our program sought to meld small-group learning with an Internet e-mail approach. OBJECTIVE OF PROGRAM: In 1994, the Family medicine Education and Research Network (FERN) was developed to support on-line discussion among London, Ont, and area family physicians. To support educational, moderated case discussions using e-mail, FERN Dissemination (FERN-D) was introduced to a subgroup of participants. We hoped to increase awareness and use of evidence-based research in clinical practice and to increase use of Internet-based resources for CME. The target group was family physicians in the London area. MAIN COMPONENTS OF PROGRAM: Forty volunteers were recruited and were e-mailed one case every 2 weeks; 34 completed the study. Each case was followed by further postings and, at the end of 2 weeks, by a summary of the group's discussion. Background material for each case was researched and was evidence-based. Evaluation was conducted using preintervention and postintervention mailed surveys combined with an e-mail feedback questionnaire and a modified focus group. CONCLUSION: On-line case-based discussion is a promising strategy for encouraging family physicians to access current research. More research is needed to determine whether it can be effectively used to change physicians' practice.
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 | 0,025 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,005 |
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 ».