Pediatric Project ECHO: Implementation of a Virtual Medical Education Program to Support Community Management of Children With Medical Complexity
Notice bibliographique
Résumé
OBJECTIVES: Health care providers (HCPs) require ongoing support to meet the evolving care needs of children with medical complexity (CMC). Project Extension for Community Healthcare Outcomes (ECHO) is a model for delivering technology-enabled medical education and cultivating a community of practice. In this study, we focused on developing, implementing, and evaluating the first ECHO program dedicated to the care of CMC. Specific objectives were to evaluate the program feasibility (participation and acceptability) and impact on perceived HCP knowledge, self-efficacy, and clinical practice after 6 months. METHODS: A needs assessment was conducted to inform an interprofessional CMC curriculum. This curriculum was delivered through monthly virtual TeleECHO clinics (didactic and case-based learning) from January 2018 to 2020. The program was available at no cost to HCPs throughout Ontario. Surveys were distributed at baseline and 6 months to assess program acceptability, knowledge, self-efficacy, and practice impact by using 7-point Likert scales. Descriptive and inferential data analyses were conducted. RESULTS: values ranged from <.001 to .006). These knowledge and self-efficacy scores related to "complex care support," "feeding support," and "respiratory support." The majority of participants reported positive or very positive practice impacts, including enhanced ability to provide quality care to CMC. CONCLUSIONS: Project ECHO is a feasible and acceptable model for virtual education of interprofessional HCPs in managing CMC. This program has the potential to increase system capacity to provide quality care to CMC close to home.
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 | 0,000 |
| 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 ».