Piloting the global capacity education e-tool: can capacity be taught to health care professionals across different international jurisdictions?
Notice bibliographique
Résumé
Determining decision-making capacity is part of everyday business for health care professionals working with older adults. We used a modified Delphi approach to develop an inclusive curriculum for a capacity education e-tool with global application and clinical relevance to a range of disciplines. The tool comprised: (i) 25 questions forming a "pre-test" for the adaptive and personalized e-Learning platform; (ii) a learning module based on the participant's response to the "pre-test"; (iii) a "post-test" (the same baseline 25 questions) to test knowledge translation. The tool was tested on 31 health care professionals across Israel (8), Canada (15), and Australia (8) from the following disciplines: General Practitioners (GP) (19), Internal Medicine (1), Palliative Care GP (2); Palliative Care Physician (2), Geriatrician (2); and one of each: Psychologist, Occupational Therapist, Psychiatrist, Aged Care Researcher, and Aged Care Pharmacist. The mean baseline pre-test score was 19.1/25 (S.D. =1.61; range 15-22) and post-test score 21.7/25 (S.D.= 1.42; range 18-24); with a highly significant improvement in test scores (paired t-test P < 0.0001; t=10.81 on 30 df). This is the first such pilot study to demonstrate that generic capacity principles can be taught to health care professionals from different disciplines regardless of jurisdiction.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».