Abstract 463: Communicating Through Chaos: A Hybrid Educational Initiative for Urgent Care Oncology Nurses
Notice bibliographique
Résumé
Introduction: Cancer and cardiovascular disease are two leading causes of death in North America and can occur concurrently in oncology patients. Novel cancer treatments can cause direct cardiovascular side effects, increasing patient mortality. We aimed to educate oncology nurses of ST-Elevated Myocardial Infarction (STEMI) recognition and treatment using a hybrid educational model of didactic and simulation methods with contextual learning. Hypothesis: We hypothesize that a hybrid model including didactic and simulation methodology would result in increased knowledge, skills, and attitudes in the management of patients with STEMI. This would lead to decreased STEMI-related morbidity and improve interprofessional care co-ordination. Methods: Education was provided to 71% (5/7) of Registered Nurses in the Urgent Care Centre of Princess Margaret Hospital in Toronto, Canada. From a unit-wide needs assessment, RNs determined that patient management, care co-ordination and communication skills were areas of educational need, and simulation and lectures were preferred education methods. Current evidence, treatment, and policies for STEMI were incorporated into a short lecture, followed immediately by in situ high fidelity simulation scenarios. All education incorporated the AHA principle of contextual learning to support clinically-relevant knowledge acquisition. Educational gain was assessed using pre- and post-education testing. Results: Following the educational intervention, all learners had an increase in post-test scores. Recognition of the need for an ECG improved by 60% (3/5) and nurses felt more confident in caring for STEMI patients (3.6/4 average score). Learners found the education beneficial and relevant to their practice (100% of respondents). Nurses emphasized the value of didactic education followed by skills application in simulated cases as valuable to their learning from qualitative survey feedback. Conclusion: We developed and implemented a highly-relevant hybrid STEMI educational initiative following a needs assessment. Learners exhibited knowledge acquisition through pre and post-test results. Data collection regarding door-to-ECG and door-to-diagnosis times post-education is ongoing.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».