What Motivates Family Physicians to Participate in Training Programs in Shared Decision Making?
Notice bibliographique
Résumé
INTRODUCTION: Little is known about the factors that influence family physician (FP) participation in continuing professional development (CPD) programs in shared decision making (SDM). We sought to identify the factors that motivate FPs to participate in DECISION+, a CPD program in SDM. METHODS: In 2007-2008, we collected data from 39 FPs who participated in a pilot randomized trial of DECISION+. In 2010, we collected data again from 11 of those participants and from 12 new subjects. Based on the theory of planned behavior, our questionnaire assessed FPs' intentions to participate in a CPD program in SDM and evaluated FPs' attitudes, subjective norms and perceived behavioral control. We also conducted 4 focus groups to explore FPs' salient beliefs. RESULTS: In 2010, FPs' mean intention to participate in a CPD program in SDM was relatively strong (2.6 ± 0.5 on a scale from -3 = "strongly disagree" to +3 = "strongly agree"). Affective attitude was the only factor significantly associated with intention (r = .51, p = .04). FPs identified the attractions of participating in a CPD program in SDM as (1) its interest, (2) the pleasure of learning, and (3) professional stimulation. Facilitators of their participation were (1) a relevant clinical topic, (2) an interactive program, (3) an accessible program, and (4) decision support tools. DISCUSSION: To attract FPs to a CPD program in SDM, CPD developers should make the program interesting, enjoyable, and professionally stimulating. They should choose a clinically relevant topic, ensure that the program is interactive and accessible, and include decision support tools.
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 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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».