Interventions to Improve Trainers' Learning and Behaviors for Educating Health Care Professionals Using Train-the-Trainer Method: A Systematic Review and Meta-analysis
Notice bibliographique
Résumé
INTRODUCTION: Train-the-trainer (TTT) programs are frequently used to facilitate knowledge dissemination. However, little is known about the effectiveness of these programs. Therefore, we sought to assess the impact of TTT programs on learning and behavior of trainers for educating health and social professionals (trainees). METHODS: Guided by the Cochrane Effective Practice and Organisation of Care, we conducted a systematic review. We searched 12 databases until April 2018 and extracted data according to the Population, Intervention, Comparison, Outcome model. Population was defined as trainers delivering training program to health care professionals, and the intervention consists in any organized activity provided by a trainer. There were no restrictive comparators, and outcomes were knowledge, attitude, skill, confidence, commitment, and behavior of trainers. We estimated the pooled effect size and its 95% confidence interval using a random-effect model. We performed a narrative synthesis when meta-analysis was not possible. RESULTS: Of 11,202 potentially eligible references, we identified 16 unique studies. Studies were mostly controlled before-and-after studies and covered a unique training intervention. Targeted trainers were mostly nurses (n = 10) and physicians (n = 5). The most frequent measured outcome was knowledge (n = 12). TTT programs demonstrated significant effect on knowledge (Standardized mean deviation = 0.58; 95% CI = 0.11-1.06; I2 = 90%; P < .01; 10 studies). No studies measured trainers' ability to deliver the training program. DISCUSSION: TTT programs may improve the knowledge of trainers. However, the heterogeneity and small number of studies hamper our ability to draw conclusions that are more robust.
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 | 0,017 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».