Fostering interspeciality learning in cancer survivorship care: Learning suite results.
Notice bibliographique
Résumé
59 Background: As survivorship provision declines within cancer centres, primary care providers are increasingly entrusted in the follow-up care of cancer survivors. Empowering specialists and primary care providers about survivorship through educational interventions is essential. Interspecialty education is poorly integrated into residency training, which may impede collaboration between different providers in practice. Interspecialty partnership can positively impact patient and resource- use outcomes. The aim of this study was to assess if a cancer survivorship learning suite (LS) impacts attitudes of family medicine, radiation oncology and medical oncology trainees towards interspecialty collaboration in Montreal, Canada. Methods: A survivorship (LS) developed by a Manitoba-based team under the sponsorship of a Canadian Partnership Against Cancer grant held by Cancer Care Ontario was delivered to 49 McGill University family medicine, radiation oncology, and medical oncology trainees. The LS comprised in-person delivery of a 3-hour case-based workshop, presented by a radiation oncologist and a family physician, both experienced in the field of survivorship. An adapted version of the Readiness for Interprofessional Learning Scale (RIPLS) was completed by participants before and after workshop delivery. Statistical analyses included Wilcoxon Signed-rank test comparisons. Results: Response rate was 63.2%, and included family medicine (65%), radiation oncology (26%), and medical oncology (10%) trainees, respectively. Following the workshop, participants were significantly more likely to agree that interspecialty learning in residency “would help physicians become better team workers”, (Z = 2.7, p < 0.008, n = 31), and “improves relationships between physicians of different specialties in independent practice afterwards”, (Z = 2.6, p < 0.009, n = 31). Participants were also significantly more likely to agree that “shared interspecialty learning < would > increase < their > ability to understand clinical problems”, (Z = 2.8, p < 0.005, n = 31). Conclusions: While much literature has focused on interprofessional collaboration at different levels of education and practice, few studies have assessed interspecialty collaboration of physicians of different specialties. This survivorship LS demonstrated favorable changes in attitudes towards interspecialty 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 source (Gemma direct ou Codex distillé), 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 ».