Palliative Care Always as a massive open online course (MOOC) to build primary palliative care in a global audience.
Notice bibliographique
Résumé
123 Background: Primary palliative care (PC) is critical to improve access to PC from the point of diagnosis. Still, barriers exist to providing primary PC worldwide, including a lack of awareness, time, and training. Interactive online learning experiences can help overcome these. This project describes a massive open online course (MOOC)--Palliative Care Always--designed to build primary PC skills in a global audience. Methods: A team of PC providers and online instructional experts developed 12 modules that included: patient scenes, brief lectures, empathy exercises, and Google Hangout discussions. Course objectives included awareness of PC, practicing effective communication skills, basic symptom assessment and management. The target audience included oncology clinicians; secondary audience included patients and families. The MOOC launched January-April 2016. Participant engagement, satisfaction and self-reported knowledge were assessed through pre- and post-surveys. Multiple choice assessments captured knowledge gain. Follow-up assessments will be distributed three months post-MOOC. Results: By April 2016, the course reached 1,300 participants from 91 countries. 54% were from the US, followed by India, Brazil, and Canada. 76% were healthcare professionals, the majority being nurses (40%), physicians (19%) and social workers (13%). The remaining 24% included patient, caregivers, and others interested in PC. Top reasons for enrolling were interest in PC, personal growth and job relevance. On average, 27% of enrollees actively engaged week-over-week. Eighty-six percent of respondents were “very satisfied” with the amount learned, and over 50% cited learning “a great deal” in: communicating difficult news, goals of care, psychosocial and hospice care. 93% cited being “very likely” to recommend the course. Conclusions: Interactive MOOC experiences have the potential to build PC awareness, primary skills and global PC networks. Upcoming iterations will incorporate: accommodations for varying levels of PC knowledge; additional opportunities for interaction between participants, including social networks; blended learning; and evaluation of impact on practice and healthcare outcomes.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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 ».