Interprofessional Team Training at the Prelicensure Level: A Review of the Literature
Notice bibliographique
Résumé
PURPOSE: The authors undertook a descriptive analysis review to gain a better understanding of the various approaches to and outcomes of team training initiatives in prelicensure curricula since 2000. METHOD: In July and August 2014, the authors searched the MEDLINE, PsycINFO, Embase, Business Source Premier, and CINAHL databases to identify evaluative studies of team training programs' effects on the team knowledge, communication, and skills of prelicensure students published from 2000 to August 2014. The authors identified 2,568 articles, with 17 studies meeting the selection criteria for full text review. RESULTS: The most common study designs were single-group, pre/posttest studies (n = 7), followed by randomized controlled or comparison trials (n = 6). The Situation, Background, Assessment, Recommendation communication tool (n = 5); crisis resource management principles (n = 6); and high-fidelity simulation (n = 4) were the most common curriculum bases used. Over half of the studies (n = 9) performed training with students from more than one health professions program. All but three used team performance assessments, with most (n = 8) using observed behavior checklists created for that specific study. The majority of studies (n = 16) found improvements in team knowledge, communication, and skills. CONCLUSIONS: Team training appears effective in improving team knowledge, communication, and skills in prelicensure learners. Continued exploration of the best method of team training is necessary to determine the most effective way to move forward in prelicensure interprofessional team education.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».