An E-Learning Module to Improve Nongenetic Health Professionals’ Assessment of Colorectal Cancer Genetic Risk: Feasibility Study
Notice bibliographique
Résumé
BACKGROUND: Nongenetic health providers may lack the relevant knowledge, experience, and communication skills to adequately detect familial colorectal cancer (CRC), despite a positive attitude toward the assessment of history of cancer in a family. Specific training may enable them to more optimally refer patients to genetic counseling. OBJECTIVE: The aim of this study was to develop an e-learning module for gastroenterologists and surgeons (in training) aimed at improving attitudes, knowledge, and comprehension of communication skills, and to assess the feasibility of the e-learning module for continued medical education of these specialists. METHODS: A focus group helped to inform the development of a training framework. The e-learning module was then developed, followed by a feasibility test among a group of surgeons-in-training (3rd- and 4th-year residents) and then among gastroenterologists, using pre- and posttest questionnaires. RESULTS: A total of 124 surgeons-in-training and 14 gastroenterologists participated. The e-learning was positively received (7.5 on a scale of 1 to 10). Between pre- and posttest, attitude increased significantly on 6 out of the 10 items. Mean test score showed that knowledge and comprehension of communication skills improved significantly from 49% to 72% correct at pretest to 67% to 87% correct at posttest. CONCLUSIONS: This study shows the feasibility of a problem-based e-learning module to help surgeons-in-training and gastroenterologists in recognizing a hereditary predisposition in patients with CRC. The e-learning led to improvements in attitude toward the assessment of cancer family history, knowledge on criteria for referral to genetic counseling for CRC, and comprehension of communication skills.
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 | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».