Rapid Implementation and Evaluation of Virtual Health Training in a Subspecialty Hospital in British Columbia, in Response to the COVID-19 Pandemic
Notice bibliographique
Résumé
Introduction: Adoption of virtual health (VH) solutions in healthcare has been challenging; this changed rapidly after implementation of physical distancing measures due to the COVID-19 pandemic. In response to the pandemic, British Columbia's Children's and Women's sub-specialty hospitals rapidly trained and scaled up support to equip staff and clinicians to use VH. Methods: Ninety-minute live online training workshops and frequently updated online support materials were offered for 6 weeks. Training was monitored via feedback collected at training sessions and a brief post-training survey. After training completion, a second survey was circulated to measure utilization outcomes and experiences with VH. Results: Eight hundred and ninety-five participants representing 82% of staff requiring support were trained through 101 sessions; 348 (38.9%) and 272 (30.4%) responses were collected for the monitoring and outcome surveys, respectively. Overall, 89% agreed that training was relevant to their needs; participants indicated average 58.1% (SD = 26.6) and 60.6% (SD = 25.2) increase in knowledge and confidence in VH after training; 90.1% had booked or conducted VH sessions. Increase in confidence was more pronounced in participants with lesser previous exposure to VH, but number of sessions conducted post-training and percentage of successful sessions were independent of previous exposure. For future training and support, participants suggested subject-tailored trainings, asynchronous trainings, and availability of experienced users. Discussion: Training is key to success of VH implementation. Moving forward, core competencies in VH should be developed to support standardization and allow for evaluation and quality improvement. Incorporation of VH training in continuous professional development and onboarding is also highly recommended.
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 | 0,007 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».