Faculty Development Approaches for Life Support Courses: A Scoping Review
Notice bibliographique
Résumé
The aim of this scoping review initiated by the Education, Implementation and Teams Task Force of the International Liaison Committee on Resuscitation was to identify faculty development approaches to improve instructional competence in accredited life support courses. We searched PubMed, Ovid Embase, Cumulative Index to Nursing and Allied Health Literature, and the Cochrane Central Register of Controlled Trials to identify studies published from January 1, 1966 to December 31, 2021 on approaches to improve faculty development for life support courses. Data on participant characteristics, interventions, design, and outcomes of included studies were extracted. Of the initially identified 10 310 studies, we included 20 studies (5 conference abstracts, 1 short communication, 14 full-length articles). Among them, 12 studies aimed to improve instructors/candidates' teaching ability in basic life support courses. A wide variety of interventions were identified. The interventions were categorized into 4 themes: instructor qualification/training (n=9), assessment tools (n=3), teaching skills enhancement (n=3), and additional courses for instructors (n=5). Most studies showed that these interventions improved specific teaching ability or confidence of the instructors and learning outcomes in different kinds of life support courses. However, no studies addressed clinical outcomes of patients. In conclusion, the faculty development approaches for instructors are generally associated with improved learning outcomes for participants, and also improved teaching ability and self-confidence of the instructors. It is encouraged that local organizations implement faculty development programs for their teaching staff of their accredited resuscitation courses. Further studies should explore the best ways to strengthen and maintain instructor competency, and define the cost-effectiveness of various different faculty development strategies.
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 | 0,042 | 0,105 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,028 | 0,029 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».