Building capacity for interprofessional practice
Notice bibliographique
Résumé
BACKGROUND: Evidence indicates that professional development focused on collaborative practice can improve the quality of care and patient outcomes in specific populations. However, current educational knowledge does not include how to teach professionals to provide interprofessional collaborative care. METHODS: This paper discusses the design, implementation and evaluation of the Interprofessional Collaborative Learning Series (IP-CLS), which provides clinicians with interprofessional professional development that promotes interprofessional competencies, allowing them to incorporate elements of interprofessional collaboration into practice, and creates leaders for interprofessional collaborative practice. The IP-CLS was piloted at a regional health centre in Ontario. Participants completed an online retrospective before and after self-assessment to determine the extent to which the IP-CLS contributed to changes in participants' behaviours related to interprofessional collaboration. A focus group further explored the extent to which the IP-CLS fostered change. RESULTS: Online survey results and an analysis of focus group transcripts reveal the strengths of the IP-CLS and the elements that could be improved upon. Findings indicate that the IP-CLS has the potential to build capacity for interprofessional collaboration. DISCUSSION: The findings indicate that the IP-CLS has the potential to build capacity for interprofessional collaborative practice, and to help participants incorporate elements of interprofessional collaboration into 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 | 0,015 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,012 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,021 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
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 ».