61: Effect of an Educational Presentation on Knowledge and Attitudes Towards Management of Extremely Premature Infants
Notice bibliographique
Résumé
A guideline regarding perinatal management of extremely premature infants (EPI – 22–25 wks GA) is being developed in Ottawa. To date, no research has examined the immediate effect of healthcare providers (HCP) education on knowledge and attitudes regarding EPI, despite the fact that assessment of barriers and facilitators is critical to guideline implementation. 1) To determine if HCP knowledge of and attitudes towards EPI changed after attending a presentation about survival and neurodevelopmental impairment of EPI and associated ethical issues; 2) to explore the correlation between knowledge and attitudes of HCP. Local HCP (neonatal and obstetrical nurses, trainees and consultants; pediatricians) working with EPI or their parent(s) attended a presentation. Participants completed a pre/post survey. Changes in knowledge and attitudes were analyzed using the McNemar test and marginal homogeneity test. Association between knowledge and attitudes was assessed using Spearman correlation. One hundred and sixty of 508 potential participants attended a presentation (attendance rate = 31%); 130 completed both surveys (response rate = 81%). HCP knowledge for each GA significantly improved following the presentation (P≤0.001). Of the 16 items assessing HCP attitudes, all but one demonstrated a significant ‘positive’ shift in the modal category (i.e. more likely to consider resuscitation) (P=0.04 to P<0.001) after the presentation. Based on post-presentation responses, Spearman correlation between knowledge and attitudes ranged from 0.04 to 0.40 with a median of 0.22 (eg. Table). Some attitudes did not significantly correlate with HCP knowledge (eg. use of epi during resuscitation of 24 wk infant based on survival knowledge (P=0.16)). The survey results revealed a statistically significant improvement in knowledge and alteration in attitudes of HCP after attending a presentation about EPI. The correlation between knowledge and attitudes varied but was generally low.
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 | 0,003 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 ».