Virtual Vs In-Personal Teaching of Infection Control Essentials: A Quasi-Experimental Multi-Center Nonequivalent Groups Design
Notice bibliographique
Résumé
BACKGROUND In setting of the current COVID-19 pandemic, it is crucial to endorse infection control competencies. However, whether virtual training is equivalent to in-person teaching to develop such competencies requires further elucidation. AIM We aim to explore the effect of a brief, three-to-five-minute training session on infection control competencies in the major area of emergency department infection control, using virtual versus in-person training. METHODS Two hospitals were chosen, and the study design was a quasi-experimental multi-centre nonequivalent groups design. RESULT The learning score increased from 39.06%, SD=17.18 (95% CI 32.39-45.72) to 52.48%, SD=26.48 (95% CI 44.01-60.95) in the virtual training group, and from 47.86%, SD=22.51 (95% CI 41.47-54.26) to 79.65%, SD=21.45 (95% CI 70.14-89.16) after the in-person teaching. The mean difference between the two groups revealed a higher learning score using in-person teaching: 27.16%; t(60)=-4.12, p = 0.0001. CONCLUSION Infection control competencies are better acquired via in-person teaching than by virtual education.
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 | 0,010 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».