Impact of Self- and Peer Assessment on the Clinical Performance of Physiotherapists in Primary Care: A Cohort Study
Notice bibliographique
Résumé
Purpose: This study evaluated the impact of a quality improvement programme based on self- and peer assessment to justify nationwide implementation. Method: Four professional networks of physiotherapists in The Netherlands (n = 379) participated in the programme, which consisted of two cycles of online self-assessment and peer assessment using video recordings of client communication and clinical records. Assessment was based on performance indicators that could be scored on a 5-point Likert scale, and online assessment was followed by face-to-face feedback discussions. After cycle 1, participants developed personal learning goals. These goals were analyzed thematically, and goal attainment was measured using a questionnaire. Improvement in performance was tested with multilevel regression analyses, comparing the self-assessment and peer-assessment scores in cycles 1 and 2. Results: In total, 364 (96%) of the participants were active in online self-assessment and peer assessment. However, online activities varied between cycle 1 and cycle 2 and between client communication and recordkeeping. Personal goals addressed client-centred communication (54%), recordkeeping (24%), performance and outcome measurement (15%), and other (7%). Goals were completely attained (29%), partly attained (64%), or not attained at all (7%). Self-assessment and peer-assessment scores improved significantly for both client communication (self-assessment = 11%; peer assessment = 8%) and recordkeeping (self-assessment = 7%; peer assessment = 4%). Conclusions: Self-assessment and peer assessment are effective in enhancing commitment to change and improving clinical performance. Nationwide implementation of the programme is justified. Future studies should address the impact on client outcomes.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».