Building Substance Use Disorder Management Capacity During COVID-19: Outcomes From a Tele-mentoring Program for Community-based Healthcare Professionals
Notice bibliographique
Résumé
ABSTRACT Objectives: The limited access to addiction services pre-COVID-19 and the increase in substance use disorder support required during COVID has led to a heightened need for virtual addictions care capacity building interventions. We describe the evaluation of Project Extension for Community Healthcare Outcomes™-Ontario Addiction Medicine and Psychosocial Interventions (ECHO-AMPI), a Canadian virtual tele-mentoring program focused on building capacity in community-based addiction care during COVID-19. Methods: We used Moore's multi-level evaluation framework for continuing education. Participants rated their satisfaction on a five-point Likert scale. A pre–post 10-item scale was used to measure self-efficacy. Participants used a binary scale to self-report post-participation whether ECHO changed their practice. Participants also responded to an open-text question around how participation in ECHO has impacted challenges experienced during the pandemic. Results: Seventy-nine healthcare professionals from 62 organizations across Ontario participated in ECHO-AMPI. Mean satisfaction ratings were high (>4.27/5), and a 12% improvement in participants’ addictions care mean self-efficacy scores was observed ( P < 0.001). Post-ECHO participation, 77% of participants reported practice change. Analysis of open-text responses highlighted participants felt ECHO fostered an open and supportive community, improved knowledge and skills via the acquisition of new resources, enhanced participants’ interaction with their clients, and reduced professional isolation. Conclusions: ECHO-AMPI demonstrated the ability to engage providers and build addictions care capacity during COVID-19, specifically by improving learning outcomes and supporting practice change. Our data also suggests that this virtual tele-mentoring model can provide a supportive community of practice for addictions care providers during COVID-19. Objectifs: L’accès limité aux services de l’addiction avant le COVID-19 et la croissance de la demande de soutien aux troubles liés à la consommation de substances requis pendant le COVID a conduit à un besoin accru d’interventions de renforcement des capacités en matière de soins de l’addiction virtuels. Nous décrivons l’évaluation du projet ECHO-Ontario Addiction Medicine and Psychosocial Intervention (ECHO-AMPI), un programme canadien de télé-mentorat virtuel axé sur le renforcement des capacités dans les soins de l’addiction en milieu communautaire spécifiquement pendant le COVID-19. Méthodes: Nous avons utilisé le cadre Moore d’évaluation à plusieurs niveaux pour une formation continue. Les participants ont évalué leur satisfaction sur une échelle de Likert en cinq points. Une échelle avant/après à 10 items a été utilisée pour mesurer l’auto-efficacité. Les participants ont utilisé une échelle binaire pour auto-déclarer après leur participation si ECHO avait changé leur pratique. Les participants ont également répondu à une question ouverte sur l’impact de la participation à ECHO sur les défis rencontrés pendant la pandémie. Résultats: 79 professionnels de la santé de 62 organisations de tout l’Ontario ont participé à ECHO-AMPI. Les cotes de satisfaction moyennes étaient élevées (>4.27/5) et une amélioration de 12% des scores d’auto-efficacité des participants aux soins d’addiction a été observée ( P < 0.001). Après la participation à ECHO, 77% des participants ont signalé un changement de pratique. L’analyse des réponses en texte ouvert a mis en évidence le sentiment des participants qu’ECHO a favorisé une communauté ouverte et solidaire; amélioration des connaissances et des compétences grâce à l’acquisition de nouvelles ressources, amélioration de l’interaction des participants avec leurs clients et réduction de l’isolement professionnel. Conclusions: ECHO-AMPI a démontré sa capacité à impliquer les prestataires et à renforcer les capacités de prise en charge des dépendances pendant le COVID-19, en particulier en améliorant les résultats d’apprentissage et en soutenant le changement de pratique. Nos données suggèrent également que ce modèle de télé-mentorat virtuel peut fournir une communauté de pratique de soutien pour les fournisseurs de soins de l’addiction pendant le COVID-19.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».