Development of a short course on management of critically ill patients with acute respiratory infection and impact on clinician knowledge in resource‐limited intensive care units
Notice bibliographique
Résumé
BACKGROUND: The 2009 influenza A (H1N1) pandemic caused surges of patients in intensive care units (ICUs) in resource-limited settings. Several Ministries of Health requested clinical management guidance from the World Health Organization (WHO), which had not previously developed guidance regarding critically ill patients. OBJECTIVE: To assess the acceptability and impact on knowledge of a short course about the management of critically ill patients with acute respiratory infections complicated by sepsis or acute respiratory distress syndrome delivered to clinicians in resource-limited ICUs. METHODS: Over 4 years (2009-2013), WHO led the development, piloting, implementation and preliminary evaluation of a 3-day course that emphasized patient management based on evidence-based guidelines and used interactive adult-learner teaching methodology. International content experts (n = 35) and instructional designers contributed to development. We assessed participants' satisfaction and content knowledge before and after the course. RESULTS: The course was piloted among clinicians in Trinidad and Tobago (n = 29), Indonesia (n = 38) and Vietnam (n = 86); feedback from these courses contributed to the final version. In 2013, inaugural national courses were delivered in Tajikistan (n = 28), Uzbekistan (n = 39) and Azerbaijan (n = 30). Participants rated the course highly and demonstrated increased immediate content knowledge after (vs before) course completion (P < .001). CONCLUSIONS: We found that it was feasible to create and deliver a focused critical care short course to clinicians in low- and middle-income countries. Collaboration between WHO, clinical experts, instructional designers, Ministries of Health and local clinician-leaders facilitated course delivery. Future work should assess its impact on longer-term knowledge retention and on processes and outcomes of care.
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 | 0,009 |
| 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 | 0,001 | 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) | 0,005 | 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 ».