MétaCan
Menu
Retour à la cohorte
Enregistrement W2290172265 · doi:10.12927/whp.2016.24490

Case Study: Using Task Analysis to Determine the Status of Education and Practice of Medical Licentiates for the Provision of Anesthesia in Zambia

2015· article· en· W2290172265 sur OpenAlexvenueno aff
Lastina Lwatula, Peter Johnson, Anel Bowa, David Lusale, J. Nikisi, Martha Ndhlovu, Catherine Carr

Notice bibliographique

RevueWorld health & population · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac, Anesthesia and Surgical Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesSchool of Nursing, Johns Hopkins UniversityCenters for Disease Control and Prevention
Mots-clésTask (project management)MedicineWork (physics)Medical practiceClinical PracticeNursingHealth careMedical educationOrder (exchange)BusinessPolitical scienceManagement

Résumé

récupéré en direct d'OpenAlex

Task analysis methodology was used to identify gaps in the education and practice of Medical Licentiates, a cadre of primary care health providers in Zambia, related to the provision of anesthesia. Findings of the analysis indicate that Medical Licentiates who work in facilities where there are no fully qualified anesthesiologists or physicians often feel obligated to provide these services in order to save lives although they lack sufficient formal education or clinical practice opportunities. The government translated the findings into immediate modifications to the education, training and practice of anesthetic tasks by Medical Licentiates by developing an elective course within the pre-service education program and upgrading the certification of Medical Licentiates to a bachelor's degree.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,970

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,080
Tête enseignante GPT0,437
Écart entre enseignants0,357 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations4
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld health & populationMême sujetCardiac, Anesthesia and Surgical OutcomesTravaux en français237 207