Impact of Interprofessional Education on Collaboration Attitudes, Skills, and Behavior Among Primary Care Professionals
Notice bibliographique
Résumé
INTRODUCTION: Care for the frail elderly is often provided by several professionals. Collaboration between them is essential, but remains difficult to achieve. Interprofessional education (IPE) can improve this collaboration. We developed a 9-hour IPE program for primary care professionals from 7 disciplines caring for the frail elderly, and aimed to establish whether the program improved professionals' interprofessional attitudes and attitudes toward collaboration, collaboration skills, and collaborative behavior. We also evaluated learners' reactions to the program. METHODS: Before-after study, using the Interprofessional Attitudes Questionnaire (IAQ, score:1 to 7); Attitudes Toward Health Care Teams Scale (ATHCTS, score: 0 to 105); and Team Skills Scale (TSS, score:17 to 85). Additionally, semistructured interviews were conducted with 10 selected participants. RESULTS: Participants' (N = 80) overall interprofessional attitudes improved (IAQ baseline: 5.49; follow-up: 5.67, p = 0.001); attitudes toward geriatric teams did not change (ATHCTS baseline: 69.9; follow-up: 69.1, p = 0.32). Participants' self-reported team skills improved (TSS baseline: 45.7; follow-up: 48.1, p = 0.001). In the interviews, many interviewees reported increased collaboration with professionals of other disciplines due to the program. Interviewees considered the program's interprofessional nature and attending the program with local professionals important contributing factors to the experienced improvements in collaboration. However, they also noted that not all parts of the program had met the needs of all participating disciplines, due to differences in professional background and knowledge. DISCUSSION: A brief IPE program can improve interprofessional attitudes, collaboration skills, and collaborative behavior. That such a program allows professionals to get acquainted with each other and each other's viewpoints appears to be as important as the educational content.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».