Impact of a Multifactorial Educational Training on the Management of Preterm Infants in the Central-Eastern European Region
Notice bibliographique
Résumé
Background: Differences in management and outcomes of extremely preterm infants have been reported across European countries. Implementation of standardized guidelines and interventions within existing neonatal care facilities can improve outcomes of extremely preterm infants. This study evaluated whether a multifactorial educational training (MET) course in Vienna focusing on the management of extremely preterm infants had an impact on the management of extremely preterm infants in Central-Eastern European (CEE) countries. Methods: Physicians and nurses from different hospitals in CEE countries participated in a two-day MET in Vienna, Austria with theoretical lectures, bedside teaching, and simulation trainings. In order to evaluate the benefit of the workshops, participants had to complete pre- and post-workshop questionnaires, as well as follow-up questionnaires three and twelve months after the MET. Results: 162 participants from 15 CEE countries completed the two-day MET at our department. Less invasive surfactant administration (LISA) was only used by 39% (63/162) of the participants. After the MET, 80% (122/152) were planning to introduce LISA, and 66% (101/152) were planning to introduce regular simulation training, which was statistically significantly increased three and twelve months after the MET. Thirty-six percent and 57% of the participants self-reported improved outcomes three and twelve months after the MET, respectively. Conclusion: Our standardized training in Vienna promoted the implementation of different perinatal concepts including postnatal respiratory management using LISA as well as regular simulation trainings at the participants' home departments. Moreover, our MET contributed to dissemination of guidelines, promoted best-practice, and improved self-reported outcomes.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».