Delivering Evidence-Based Online Concussion Education to Medical and Healthcare Professionals: The Concussion Awareness Training Tool (CATT)
Notice bibliographique
Résumé
Background. Medical and healthcare professionals report an important gap in their training and knowledge on concussion diagnosis and management. The Concussion Awareness Training Tool (CATT) for medical professionals provides evidenced-based training and resources, representing an important effort to fill this gap. The goal of the current article was to summarize and describe the general uptake of the 2018 relaunch of the CATT for medical professionals and to present results of a quality assurance/quality improvement (QA/QI) assessment including qualitative feedback from medical and healthcare professionals. Methodology. Tracking completions via certificates and Google Analytics were used to measure uptake over the first two years following the 2018 relaunch and promotion of CATT for medical professionals. Medical and healthcare professionals who had completed the CATT from the time of the relaunch on June 11, 2018, to July 31, 2019, were invited via e-mail to participate in the survey-based QA/QI assessment. Both quantitative and qualitative data were collected. Results. Year 1 saw 8,072 pageviews for the CATT for medical professionals landing page, increasing to 9,382 in Year 2. Eighty-nine medical and healthcare professionals who had completed the CATT for medical professionals participated in the QA/QI assessment. Results showed that 85% of respondents reported learning new information about concussion; 73% reported changing the way they diagnose, treat, or manage concussion; and 71% reported recommending the CATT to colleagues. Qualitative data also indicated highly favourable opinions and experiences. Conclusions. The CATT for medical professionals has demonstrated promise as a tool to promote knowledge translation practice and help fill the gap in concussion training and knowledge reported by medical and healthcare professionals.
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 | 0,023 | 0,088 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».