Learnings and challenges to deploy an interprofessional and independent medical education programme to a new audience
Notice bibliographique
Résumé
The importance of interprofessional education (IPE) in continuing medical education and professional development has long been recognised by health organisations and academic societies, benefiting not only patient outcomes and interprofessional relationships but also overall health systems and workforce shortage. We report on the outcomes of an Australian IPE activity on medication-overuse headache (MOH) with general practitioners (GPs) and community pharmacists as learners. The design of the activity, which followed the predisposing-enabling-reinforcing instructional framework by Green and Kreuter, aimed to: (1) improve knowledge and foster a willingness in GPs and pharmacists to work collaboratively to enhance the prevention, diagnosis and management of MOH; and (2) address their educational gap by demonstrating the utility of a blended learning IPE strategy on MOH. Integrated into the activity was an assessment of its effectiveness and impact to instil change in the participants' knowledge of MOH, attitude and willingness to treat, and clinical practice behaviours of GPs and pharmacists to work together. The learners gained knowledge and confidence in diagnosing and managing MOH and in their ability to educate patients. The IPE approach suited the activity and was valued by the participating GPs and pharmacists, who seldom experience such learning formats. However, for educational providers in Australia, developing and deploying an independent medical education (IME) programme can be challenging. Providers of IMEs need to be aware of the potential pitfalls when competing with pharmaceutical-company-sponsored and delivered programmes.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».