Impact of Training Modules on Physicians’ Perspective of COVID-19: An Online Survey
Notice bibliographique
Résumé
Background: The outbreak of COVID-19 has remained a massive challenge for healthcare workers specially physicians. Effective professional training has a crucial role in preparing doctors for responding to pandemics. Objective: To assess the effectiveness of existing training modules on enhancing knowledge, ensuring safe practice, and improving behavior on COVID-19 among physicians. Methods: This is a descriptive, cross-sectional, online survey; where a virtual questionnaire was used to collect data through online professional platforms. A pre-tested survey tool was employed to assess the impact of professional training on infection prevention and control. Results: Total 161 physicians participated in this survey from 15 different countries. Most of the respondents (72%) received training from various sources like the workplace (60%) and international agencies (21%), through the in-person or online format. Knowledge assessment revealed advanced (43%) and competent (40%) understanding by the participants. Improving knowledge progression was displayed by the cohort who received professional training (p<0.00). Physicians’ positive behavior and good practices were observed with the training modules. Conclusion: It became evident from this study, that professional training is effective in enhancing knowledge, improving behavior, and ensuring safe practices. Hence, designing such training modules for the physicians is warranted to tackle ongoing and future pandemics. J MEDICINE 2021; 22: 107-113
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».