Assessing a research training programme for rural physicians
Notice bibliographique
Résumé
INTRODUCTION: To assess the effect of a training programme called 6for6 (the programme) on research competency and productivity amongst rural physicians. The programme develops the research skills of six rural physicians over six weekends. Physicians learn about various research methods and writing techniques through blended learning components. METHODS: We conducted a quasi-experimental study, comparing research competency and productivity between intervention and non-equivalent control groups and over time through a repeated measures design. Generalized linear mixed model (GLMM), ANOVA, and Cochran Q tests were conducted. The intervention was provided to five groups of 6 rural physicians each between 2014 and 2019. Main outcome measures: self-assessed research competency (knowledge, attitudes and skills) and productivity (publications, grants and presentations of research-related work at conferences) were our primary and secondary outcomes, respectively. We measured the outcomes before, during and after the programme. Controls: Rural physicians who expressed interest in the programme and later enrolled. RESULTS: This study shows that, amongst its thirty participants, overall research competency was significantly different between intervention and control groups (65.7% ± 37.6% and 58.6% ± 14.4%, P < 0.05 for GLMM). The percentage of participants who were productive before, during and after the programme was 26.7%, 16.7% and 50.0%, respectively. Overall, productivity rates were significantly different between intervention and control groups (rate difference was 72.2/100 person-years, P < 0.05 for GLMM). CONCLUSION: This study suggests that the programme improves research competency and productivity for rural physicians. Rural physicians who wish to improve their research competency would benefit from participating in similar programmes.
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 | 0,005 | 0,085 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».