MétaCan
Menu
Retour à la cohorte
Enregistrement W4225002499 · doi:10.2196/34299

Factors Associated With Specialists’ Intention to Adopt New Behaviors After Taking Web-Based Continuing Professional Development Courses: Cross-sectional Study

2022· article· en· W4225002499 sur OpenAlexaffvenueabout
Lysa Bergeron, Simon Décary, Codjo Djignefa Djade, Sam J. Daniel, Martin Tremblay, Louis‐Paul Rivest, France Légaré

Notice bibliographique

RevueJMIR Medical Education · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensMcGill UniversityUniversité de SherbrookeUniversité LavalCentres Intégré Universitaires de Santé et de Services Sociaux
Organismes subventionnairesnon disponible
Mots-clésPsychosocialBivariate analysisCross-sectional studyIntraclass correlationPsychologyMultivariate analysisMedicineMedical educationClinical psychologyPsychometricsInternal medicineStatisticsPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Web-based continuing professional development (CPD) is a convenient and low-cost way for physicians to update their knowledge. However, little is known about the factors that influence their intention to put this new knowledge into practice. OBJECTIVE: We aimed to identify sociocognitive factors associated with physicians' intention to adopt new behaviors as well as indications of Bloom's learning levels following their participation in 5 web-based CPD courses. METHODS: We performed a cross-sectional study of specialist physicians who had completed 1 of 5 web-based CPD courses offered by the Federation of Medical Specialists of Quebec. The participants then completed CPD-Reaction, a questionnaire based on Godin's integrated model for health professional behavior change and with evidence of validity that measures behavioral intention (dependent variable) and psychosocial factors influencing intention (n=4). We also assessed variables related to sociodemographics (n=5), course content (n=9), and course format (eg, graphic features and duration) (n=8). Content variables were derived from CanMEDS competencies, Bloom's learning levels, and Godin's integrated model. We conducted ANOVA single-factor analysis, calculated the intraclass correlation coefficient (ICC), and performed bivariate and multivariate analyses. RESULTS: A total of 400 physicians participated in the courses (range: 38-135 physicians per course). Average age was 50 (SD 12) years; 56% (n=223) were female, and 44% (n=177) were male. Among the 259 who completed CPD-Reaction, behavioral intention scores ranged from 5.37 (SD 1.17) to 6.60 (SD 0.88) out of 7 and differed significantly from one course to another (P<.001). The ICC indicated that 17% of the total variation in the outcome of interest, the behavioral intention of physicians, could be explained at the level of the CPD course (ICC=0.17). In bivariate analyses, social influences (P<.001), beliefs about capabilities (P<.001), moral norm (P<.001), beliefs about consequences (P<.001), and psychomotor learning (P=.04) were significantly correlated with physicians' intention to adopt new behaviors. Multivariate analysis showed the same factors, except for social influences and psychomotor learning, as significantly correlated with intention. CONCLUSIONS: We observed average to high behavioral intention scores after all 5 web-based courses, with some variations by course taken. Factors affecting physicians' intention were beliefs about their capabilities and about the consequences of adopting new clinical behaviors, as well as doubts about whether the new behavior aligned with their moral values. Our results will inform design of future web-based CPD courses to ensure they contribute to clinical behavior change.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,000

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,399
Écart entre enseignants0,365 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJMIR Medical EducationMême sujetInnovations in Medical EducationTravaux en français237 207