A Simulation-Based Workshop to Improve Residents' Collaborative Clinical Practice
Notice bibliographique
Résumé
BACKGROUND: The Accreditation Council for Graduate Medical Education expects residents to attain competency in systems-based practice by advocating for quality patient care, working in interprofessional teams, and implementing system solutions to prevent errors. Diabetes in pregnancy was identified as an area for improvement through comprehensive interdisciplinary and interprofessional care. OBJECTIVE: An interdisciplinary and interprofessional workshop was created by 3 regional academic institutions to improve collaborative practice, clinical knowledge, and clinical judgment of residents. METHODS: A workshop consisting of 4 clinical simulation stations for ultrasound assessment, glycemic control, hyperglycemic emergencies, and macrosomia complications was designed to address gaps in quality of care. Workshop participants were residents from 6 programs and students in nursing, pharmacy, and sonography. Attitude and clinical knowledge were measured preworkshop and postworkshop, and at 3-month and 6- to 7-month follow-up. RESULTS: There were increases in average clinical knowledge scores across time points from residents: 56.4% preworkshop, 64.8% postworkshop, 66.0% at 3-month follow-up, and 68.1% at 6- to 7-month follow-up. Additionally, participants reported positive attitudes toward interprofessional education and indicated high overall satisfaction. CONCLUSIONS: Residents demonstrated improved knowledge and attitudes toward interprofessional training after participating in a large-scale simulation workshop focused on the care of patients with diabetes in pregnancy.
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 | 0,005 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».