Untying the Interprofessional Gordian Knot: The National Collaborative for Improving the Clinical Learning Environment
Notice bibliographique
Résumé
The National Collaborative for Improving the Clinical Learning Environment (NCICLE) is a growing group of over 40 organizations representing a variety of health professions. NCICLE is beginning a discussion of issues related to culture in health care, specifically how the current culture inhibits optimal outcomes, and the discordance between current early interprofessional education (IPE) curricula in health professions schools and traditional practice models in health care. In October 2017, the Accreditation Council for Graduate Medical Education and the Josiah Macy Jr. Foundation sponsored an NCICLE symposium on optimizing interprofessional clinical learning environments. In this Invited Commentary, the authors observe that interprofessional practice and education is a decades-long field that has presented a "Gordian knot" of intractable, complex problems to solve because medicine has often not been at the table for conversations about IPE. The NCICLE symposium represented an important opportunity for medicine to signal that finding new solutions for unraveling the interprofessional Gordian knot and creating optimal clinical learning environments requires meaningful participation from all health professions. Those solutions need to build on the long history of experience and research in IPE and collaborative practice. After the NCICLE symposium provided a promising beginning, the authors propose three essential issues and one key practical step forward to move the interprofessional agenda forward.
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 | 0,009 | 0,006 |
| 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 | 0,004 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».