ECHO Care of the Elderly: Innovative Learning to Build Capacity in Long-term Care
Notice bibliographique
Résumé
Background Older adults are entering long-term care (LTC) homes with more complex care needs than in previous decades, resulting in demands on point-of-care staff to provide additional and specialty services. This study evaluated whether Project ECHO® (Extension for Community Healthcare Outcomes) Care of the Elderly Long-Term Care (COE-LTC)—a case-based online education program—is an effective capacity-building program among interprofessional health-care teams caring for LTC residents. Methods A mixed-method, pre-and-post study comprised of satisfaction, knowledge, and self-efficacy surveys and exploration of experience via semi-structured interviews. Participants were interprofessional health-care providers from LTC homes across Ontario. Results From January–March 2019, 69 providers, nurses/nurse practitioners (42.0%), administrators (26.1%), physicians (24.6%), and allied health professionals (7.3%) participated in 10 weekly, 60-minute online sessions. Overall, weekly session and post-ECHO satisfaction were high across all domains. Both knowledge scores and self-efficacy ratings increased post-ECHO, 3.9% (p = .02) and 9.7 points (p < .001), respectively. Interview findings highlighted participants’ appreciation of access to specialists, recognition of educational needs specific to LTC, and reduction of professional isolation. Conclusion We demonstrated that ECHO COE-LTC can be a successful capacity-building educational model for interprofessional health-care providers in LTC, and may alleviate pressures on the health system in delivering care for residents.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».