Educating community clinicians using principles of academic detailing in an evolving landscape
Notice bibliographique
Résumé
Improving prescribing practices and patient health outcomes requires not just abstract knowledge about evidence-based practices but practical tools to support implementation. Continuing education can promote clinician behavior changes and improvements in patient outcomes more effectively when it includes opportunities for interactivity, use of multiple modalities, repeated exposure to content, longer-duration activities, and emphasis of outcomes that resonate with the target audience.1 Academic detailing involves direct educational outreach,2 including face-to-face interaction with clinicians, to achieve these goals. The educational method incorporates the principles of adult learning theories,3 theory of planned behavior,4 and social marketing5,6 with the goal of improving evidence-based practice behaviors.2,7 The intervention is delivered by trained professionals, typically pharmacists, physicians, nurses, or public health workers. Academic detailing was originally adapted from the communication approach employed by pharmaceutical representatives, which is centered around brief, one-to-one interactions in a clinician’s office. Academic detailing can address situations where there is an opportunity to change clinician behavior with focused and practical educational content. In the area of prescribing, these situations include those in which medications are misused, safer or less expensive medications are underused, or therapies offering marginal benefit are overused.2 Academic detailing involves an interactive discussion with clinicians in their practice setting, with a focus on improving individual clinical performance and recommending practice changes. The individualized focus distinguishes academic detailing from other quality improvement strategies, such as general lecture-based education on a topic, care coordination, practice facilitation, and practice redesign.8
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 | 0,013 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,008 |
| Communication savante | 0,008 | 0,011 |
| Science ouverte | 0,004 | 0,015 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».