MétaCan
Menu
Retour à la cohorte
Enregistrement W217066351 · doi:10.22230/jripe.2012v2n2a62

South Eastern Interprofessional Collaborative Learning Environment (SEIPCLE): Nurturing Collaborative Practice

2012· article· en· W217066351 sur OpenAlexafffundvenueabout
Vaughan Byrnes, Anne O’Riordan, Corinne Schroder, Christine Chapman, Jennifer Medves, Margo Paterson, Robyn Grigg

Notice bibliographique

RevueJournal of Research in Interprofessional Practice and Education · 2012
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensQueen's University
Organismes subventionnairesHealthForceOntario
Mots-clésInterprofessional educationEnablingCollaborative CareHealth careFocus groupCollaborative learningMedical educationMedicineNursingIntervention (counseling)Exploratory factor analysisPsychologyKnowledge managementFamily medicineComputer sciencePedagogyPrimary care

Résumé

récupéré en direct d'OpenAlex

AbstractBackground: There has been tremendous pressure on Canada’s healthcare system to respond to the increasingly complex health needs of the population despite worsening constraints in financial and human resources. Interprofessional collaborative practice has been seen as an enabler for improving patient care and meeting the current demands on the healthcare system.Methods: The South Eastern Interprofessional Collaborative Learning Environment (SEIPCLE) project, funded by HealthForceOntario, focused on the development and evaluation of the collaborative practice care model in three clinical settings in Southeastern Ontario, Canada. The project was exploratory in nature and used a quasi-experimental design with pre- and post-tests matched with non-equivalent control groups. Several different measures were used, including the Collaborative Practice Assessment Tool (CPAT), an Interprofessional Clinical Education Survey, and a Patient Participation Survey. Quantitative outcome measures were derived from these instruments using factor analysis, and analyzed using regression modelling with co-variates. Focus groups, interviews, and questionnaires provided qualitative data that was coded conceptually and used to complement the results of analyses using quantitative measures. Intervention teams participated in educational components that addressed identified weaknesses in their collaborative practice. Educational components included online modules, workshops, and real-time activities.Findings: Implementation of educational components in the clinical setting posed a number of challenges to reducing the exposure time for some of the intervention teams. Barriers to and enablers of the development of collaborative practice in the healthcare system were identified.Conclusion: Overall, all three intervention teams demonstrated an increase in perceived levels of collaborative practice. Although the results were not statistically significant, the effect, size, and magnitude of change were considered substantial.

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)0,014
score de la tête « metaresearch » (Gemma)0,011
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,286
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0140,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,005
Science ouverte0,0000,000
Intégrité de la recherche0,0000,005
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 Opus0,064
Tête enseignante GPT0,533
Écart entre enseignants0,468 · 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.

Devis d'étudeQualitatif
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

Citations18
Publié2012
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueJournal of Research in Interprofessional Practice and EducationMême sujetInterprofessional Education and CollaborationTravaux en français237 207