MétaCan
Menu
← Retour à la cohorte
Enregistrement W3173551677 · doi:10.1096/fasebj.2019.33.1_supplement.439.4

Constructing a Communication Scale to Measure the Effectiveness of Interprofessional Communication

2019· article· en· W3173551677 sur OpenAlexaff
Kohilan Selvakumaran, K. Selvakumaran, Geoffrey R. Norman, Andrew Palombella, Jasmine Rockarts, Bruce Wainman

Notice bibliographique

RevueThe FASEB Journal · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésScale (ratio)Context (archaeology)Health careFocus groupPsychologyRating scalePearson product-moment correlation coefficientMedical educationReliability (semiconductor)MedicineStatisticsMathematicsDevelopmental psychology

Résumé

récupéré en direct d'OpenAlex

Introduction In our modern healthcare, healthcare teams are becoming increasingly multidisplinary which brings upon the need for them to be effective in order to have better patient outcomes. Communication failures can occur in interprofessional healthcare teams which leads to negative health outcomes. In order to evaluate communication in interprofessional groups, a communication scale is needed. Aim Given that there is currently no validated communication scale for interprofessional groups, the study's goal was to create and validate a communication scale in the context of an interprofessional based dissection course. Methods Observations of the 34 students in the dissection study (N = 34) were conducted for the first 3 classes. With the use of these observations and prior qualitative analysis of focus group interviews from the course, a communication scale was constructed. The question items were then vetted by coordinators of the dissection course and research experts which led to the communication scale being shortened from 54 questions to 28 questions. The communication scale was used by each student in the class to assess themselves and two of their peers in their group resulting in 3 scores altogether. This procedure was repeated one week later to evaluate the reliability of the scale. Results There is a 0.331 Pearson's Correlation between peer rater 1 and the self‐rater, a 0.139 Pearson's Correlation between peer rater 2 and the self‐rater and a 0.279 Pearson's Correlation between peer rater 1 and 2. These results indicate a significant difference between self and peer rating, and only a moderate correlation between any two of the three raters. Also, the large standard deviation associated with each of the 3 scores is indicative of large variability of scores around the mean total score. Discussion and Conclusion Overall, it is clear from the results that the constructed communication scale is not sufficiently reliable. Therefore, the next steps of the study is to improve reliability of the scale. This is by performing factor analysis to see whether question items can be decreased and grouped together to create subscales. Then, the subscales will be tested to see whether they are effective in measuring changes in communication skills of interprofessional groups over the duration of the course. Student feedback on the communication scale will also be used to improve on the effectiveness and reliability of the scale. Support or Funding Information N/A This abstract is from the Experimental Biology 2019 Meeting. There is no full text article associated with this abstract published in The FASEB Journal .

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,034
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,397
Écart entre enseignants0,369 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe FASEB Journal→Même sujetInterprofessional Education and Collaboration→Travaux en français237 207→