Decision‐making capacity assessment education
Notice bibliographique
Résumé
BACKGROUND/OBJECTIVES: As the elderly population and associated number of persons with dementia increase, so does the need for decision-making capacity assessments (DMCAs). Many healthcare professionals (HCPs), however, do not feel prepared to conduct DMCAs. We have provided 4-h DMCA workshops to HCPs since 2006 and offered physicians either a 3-h or 2-day DMCA workshop from 2013 to present. We evaluated the effectiveness of the workshops on self-reported key concepts of capacity. DESIGN: Pre-/post-test design. SETTING: DMCA workshops for physicians across Canada and HCPs within Alberta. PARTICIPANTS: Two hundred and eighty-one physicians and 835 HCPs. MEASUREMENTS: Pre-/post-workshop ratings on level of comfort with and understanding of 15 core DMCA concepts using 4-point Likert-type items. RESULTS: For the DMCA workshops among physicians, ten 3-h workshops were held in 2014-2015 with 166 participants and seven 2-day workshops, between 2014 and 2018, with 115 participants. With respect to the self-report on core DMCA concepts, at least 62.7% (range: 62.7%-89.6%) of physician participants had higher post-workshop ratings (sign test; p < 0.001) than pre-workshop ratings for all core DMCA concepts. For the DMCA workshops among HCPs, 4-h workshops were delivered to 835 HCP participants from 2008 to 2012. At least 49.6% of participants (range: 49.6%-78.9%) had increased post-workshop ratings (sign test; p < 0.001) for all level of comfort items with and understanding of core DMCA concepts. CONCLUSION: There is a need for DMCA training for physicians and HCPs. The content and method of the workshops are effective at enhancing self-reported level of comfort with and understanding of core DMCA concepts.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».