Using Clinical Questions Asked by Primary Care Providers Through eConsults to Inform Continuing Professional Development
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: Continuing professional development (CPD) offerings should address the educational needs of health care providers. Innovative programs, such as electronic consultations (eConsults), provide unique educational opportunities for practice-based needs assessment. The purpose of this study is to assess whether CPD offerings match the needs of physicians by coding and comparing session content to clinical questions asked through eConsults. METHODS: This study analyzes questions asked by primary care providers between July 2011 and January 2015 using a service that allows specialists to provide consultation over a secure web-based server. The content of these questions was compared with the CPD courses offered in the area in which these primary care providers are practicing over a similar period (2012-2014). The clinical questions were categorized by the content area. The percentage of questions asked about each content area was calculated for each of the 12 specialties consulted. CPD course offerings were categorized using the same list of content areas. Percentage of minutes dedicated to each content area was calculated for each specialty. The percentage of questions asked and the percentage of CPD course minutes for each content area were compared. RESULTS: There were numerous congruencies and discrepancies between the proportion of questions asked about a given content area and the CPD minutes dedicated to it. DISCUSSION: Traditional needs assessment may underestimate the need to address topics that are frequently the subject of eConsults. Planners should recognize eConsult questions as a valuable source of practice-associated challenges that can identify professional development needs of physicians.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découle