Development of five online modules for teaching evidence-informed healthcare: the West coast Interprofessional Clinical Knowledge Evidence Disseminator (WICKED) Project
Notice bibliographique
Résumé
Evidence-informed healthcare (EIHC) is a systematic approach to clinical problem solving that facilitates the integration of the best available research evidence with clinical expertise and our patient’s unique values and circumstances.1 To become an EIHC practitioner requires knowledge, skills and practice. The five-step model of EIHC (asking answerable clinical questions, acquiring the evidence, appraising the evidence, applying the evidence and assessing performance as an EIHC practitioner) forms the basis for both teaching EIHC and clinical practice.2 Despite many EIHC success stories, variation in the adoption of evidence-based practice remains a problem.3 Barriers to implementing EIHC are well documented, with lack of resources being the most common barrier,4 followed by lack of knowledge and skills about appraisal, negative perceptions about research, lack of resources and time, low self-efficacy, inadequate access to the literature and financial barriers.4 5 Some of these barriers are directly related to the steps of EIHC, indicating that there is a clear need to improve the teaching of EIHC across all professions. Interventions using multiple methods are most likely to improve knowledge and skills compared with single interventions or no interventions,6 with the most effective teaching strategies being those that are interactive and clinically integrated.7 Online learning with high levels of interactivity is increasingly used as a learning intervention8 and is as effective a strategy as lecture-based teaching.9 Online learning has the added advantage of providing learner-centred access to course materials at a time and place convenient to them and to tailor their learning to their own timing, pace and needs.8 Virtual patient cases are designed to represent real-life clinical scenarios and are well suited for facilitating the development of clinical reasoning skills,10 an essential element of EIHC. Cases designed using a problem-oriented training approach increase the …
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Méthodes Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Sans objet | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Méthodes Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Sans objet | low |
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 | 0,037 | 0,177 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,005 |
| 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».