Evaluation of a tracheostomy education programme for speech–language therapists
Notice bibliographique
Résumé
BACKGROUND: Tracheostomy management is considered an area of advanced practice for speech-language therapists (SLTs) internationally. Infrequent exposure and limited access to specialist SLTs are barriers to competency development. AIMS: To evaluate the benefits of postgraduate tracheostomy education programme for SLTs working with children and adults. METHODS & PROCEDURES: A total of 35 SLTs participated in the programme, which included a 1-day tracheostomy simulation-based workshop. Before the workshop, SLTs took an online knowledge quiz and then completed a theory package. The workshop consisted of part-task skill learning and simulated scenarios. Scenarios were video recorded for delayed independent appraisal of participant performance. Manual skills were judged as (1) completed successfully, (2) completed inadequately/needed assistance or (3) lost opportunity. Core non-medical skills required when managing a crisis situation and overall performance were scored using an adapted Ottawa Global Rating Scale (GRS). Feedback from participants was collected and self-perceived confidence rated prior, immediately post and 4 months post-workshop. OUTCOMES & RESULTS: SLTs successfully performed 94% of manual tasks. Most SLTs (29 of 35) scored > 5 of 7 on all elements of the adapted Ottawa GRS. Workshop feedback was positive with significant increases in confidence ratings post-workshop and maintained at 4 months. CONCLUSIONS & IMPLICATIONS: Postgraduate tracheostomy education, using a flipped-classroom approach and low- and high-fidelity simulation, is an effective way to increase knowledge, confidence and manual skill performance in SLTs across patient populations. Simulation is a well-received method of learning.
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 ».