Developing a team-based assessment strategy: direct observation of interprofessional team performance in an ambulatory teaching practice
Notice bibliographique
Résumé
Background: High functioning interprofessional teams may benefit from understanding how well (or not so well) a team is functioning and how teamwork can be improved. A team-based assessment can provide team insight into performance and areas for improvement. Though individual assessment via direct observation is common, few residency programs in the United States have implemented strategies for interprofessional team (IPT) assessments. Methods: We piloted a program evaluation via direct observation for a team-based assessment of an IPT within one Internal Medicine residency program. Our teams included learners from medicine, pharmacy, physician assistant and psychology graduate programs. To assess team performance in a systematic manner, we used a Modified McMaster-Ottawa tool to observe three types of IPT encounters: huddles, patient interactions and precepting discussions with faculty. The tool allowed us to capture team behaviors across various competencies: roles/responsibilities, communication with patient/family, and conflict resolution. We adapted the tool to include qualitative data for field notes by trained observers that added context to our ratings. Results: We observed 222 encounters over four months. Our results support that the team performed well in measures that have been iteratively and intentionally enhanced – role clarification and conflict resolution. However, we observed a lack of consistent incorporation of patient-family preferences into IPT discussions. Our qualitative results show that team collaboration is fostered when we look for opportunities to engage interprofessional learners. Conclusions: Our observations clarify the behaviors and processes that other IPTs can apply to improve collaboration and education. As a pilot, this study helps to inform training programs of the need to develop measures for, not just individual assessment, but also IPT assessment.
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 | 0,023 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».