MétaCan
Menu
← Retour à la cohorte
Enregistrement W2886040191 · doi:10.1136/bmjebm-2018-111024.17

17 Evidence based practice education for healthcare professions – an international multidisciplinary perspective

2018· article· en· W2886040191 sur OpenAlexaboutno aff
Elaine Lehane, Patricia Leahy‐Warren, O’ Riordan Cliona, Eileen Savage, Drennan Jonathan, O’Tuathaigh Colm, Michael O’ Connor, Mark Corrigan, Francis Burke, Martina Hayes, Helen Lynch, Laura J. Sahm, Elizabeth Heffernan, Elizabeth O’ Keeffe, Catherine Blake, Frances Horgan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Sciences Research and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurriculumMedical educationHealth careEvidence-based practiceStakeholderMultidisciplinary approachProfessional developmentPsychologyMedicineNursingPedagogySociologyPolitical sciencePublic relationsAlternative medicine

Résumé

récupéré en direct d'OpenAlex

Objectives To ascertain current practice and provision of EBP education across healthcare professions at undergraduate, postgraduate and continuing professional development programme levels for the purpose of making key recommendations to healthcare educators and policy makers in relation to ‘best practice’ for EBP education. Method Three distinct but interlinked phases of research were conducted. In phase 1, a desktop rapid review was undertaken to provide a contextualised succinct synthesis of literature relating to the competencies and programme components associated with EBP education. In phase 2, interviews with experts (n=5) in evidence based practice education were conducted to ascertain current and nuanced information on EBP education from an international perspective (Australia, New Zealand, Canada, United Kingdom). In Phase 3,a descriptive, cross-sectional, national, online survey was undertaken to capture and describe baseline data relating to the current provision and practice of EBP education to healthcare professionals at third level institutions and professional training/regulatory bodies in Ireland. Results A narrative synthesis of 83 empirical studies revealed that participation in any form of EBP education has beneficial effects across all EBP competencies with the most apparent positive trend derived from multi-modal teaching and learning interventions. Analysis of EBp expert interview data provided definitive advice in relation to: (i) EBP curriculum considerations; (ii) Teaching EBP and (iii) Stakeholder engagement in EBP education. Representation from 11 healthcare professions across academic levels was obtained from the national survey conducted in Phase 3. A considerable amount of EBP activity throughout health profession education was apparent, with strong recognition of the need for EBP principles and processes within curricula to achieve core professional competencies. However, effectively embedding EBP throughout health education curricula requires further strategic development. Conclusions Despite positive attitudes towards EBP and a predominant recognition of its necessity for the delivery of quality and safe healthcare, its consistent translation at the point of care remains elusive. An examination of current discourse between academic and clinical educators across healthcare professions is required to progress a ‘real world’ pragmatic approach to the integration of EBP education which has meaningful relevance to students and engenders active engagement from educators, clinicians and policy-makers alike.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,092
score de la tête « metaresearch » (Gemma)0,139
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,092
Score d'incertitude au seuil0,489

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0920,139
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0090,009
Études des sciences et des technologies0,0030,010
Communication savante0,0210,012
Science ouverte0,0040,012
Intégrité de la recherche0,0130,012
Charge utile insuffisante (le modèle a refusé de juger)0,0100,003

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.

Tête enseignante Opus0,351
Tête enseignante GPT0,662
Écart entre enseignants0,312 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHealth Sciences Research and Education→Travaux en français237 207→