MétaCan
Menu
Retour à la cohorte
Enregistrement W2125617733

Small-group CME using e-mail discussions. Can it work?

2001· article· en· W2125617733 sur OpenAlexaff
Jonathan Marshall, Moira Stewart, Truls Østbye

Notice bibliographique

RevuePubMed · 2001
Typearticle
Langueen
DomaineHealth Professions
ThématiquePrimary Care and Health Outcomes
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésThe InternetContinuing medical educationMedical educationFocus groupMedicineElectronic mailFamily medicineWork (physics)PsychologyContinuing educationWorld Wide WebComputer scienceSociology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,259
Score d'incertitude au seuil0,872

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,174
Tête enseignante GPT0,385
Écart entre enseignants0,212 · 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 tête enseignante, 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

Citations36
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetPrimary Care and Health OutcomesTravaux en français237 207