Electronic continuing education in the health professions: An update on evidence from RCTs
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: Demonstrating the effectiveness of the rapidly expanding field of electronic continuing education (e-CE) has important implications for CE in the health professions. This study provides an update on evidence from randomized controlled trials (RCTs) assessing the effectiveness of e-CE in the health professions. METHODS: A literature search of RCTs was performed in MEDLINE, EMBASE, and CINAHL from 2004 to 2007. Papers were reviewed separately by 2 of the authors and results were categorized and reviewed according to study comparisons. RESULTS: Fifteen studies met our inclusion criteria. Six compared e-CE to no intervention or placebo. Of these 6 studies, 4 showed a statistically significant advantage of the e-CE intervention and 2 showed no significant effect. Two studies compared e-CE to a lecture. Of these, 1 showed an advantage of e-CE and 1 showed no difference. Two studies compared e-CE to a small-group interactive intervention. In both studies, the e-CE group outperformed the control. Two studies compared a multicomponent e-CE intervention to one based on flat text, and both showed the multicomponent intervention to be more effective. Two of the 15 studies demonstrated a statistically significant effect on practice patterns. Positive effects of e-CE on knowledge were shown to persist for up to 12 months and effects on practice up to 5 months. DISCUSSION: Overall, these studies suggest that multicomponent e-CE interventions can be effective in changing health professionals' practice patterns, and improve their knowledge. E-CE interventions based purely on flat text appear to be of limited effectiveness in changing either knowledge or practice. These results support the use of multicomponent e-CE as a method of CE delivery.
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.
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 | 0,018 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,006 |
| 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 découle