MétaCan
Menu
Retour à la cohorte
Enregistrement W4283765985 · doi:10.24304/kjcp.2022.32.1.106

Current status of interprofessional education learning activities in wards provided by tertiary hospitals and secondary general hospitals and barriers

2022· article· en· W4283765985 sur OpenAlexaboutno aff
Joonsung Kang, Hye Yeon Sin

Notice bibliographique

RevueKorean Journal of Clinical Pharmacy · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTertiary careMedical educationMedicineNursingHigher educationTertiary levelFamily medicinePsychologyPolitical scienceMathematics education

Résumé

récupéré en direct d'OpenAlex

Medical professional education in North America began to take a more systematic approach toward the development of competency-based interprofessional education (IPE). This was done to improve interprofessional collaboration competency while recognizing the limitations of academic achievement in traditional education that was centered on knowledge and attitude. In 1988, the World Health Organization (WHO) emphasized the importance of interprofessional education to improve student learning outcomes and focused on the need for interprofessional collaborative care to increase patient health outcomes. 2-3) Since then, the two types of educations have developed simultaneously. 2-3) Competency-based IPE is an education that integrates knowledge, skills, values, and attitudes that are job competencies for specific medical professions. 4) It is a teaching method in which medical profession students work and learn together to improve collaborative care and treatment quality. ollaborative care, as defined by the World Health Organization (WHO 2010), 6) the Canadian Interprofessional Health Collaborative (CIHC, 2010), 7) and the Interprofessional Education Collaborative (IPEC), 4) is that medical professional students collaborate with patients, their families, and community through IPE to solve problems such as patient safety, chronic disease management, and primary health care, as well as to provide the best healthcare. established in the several studies from Sweden,

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche, Charge 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 enseignants0,103
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,028
Tête enseignante GPT0,483
Écart entre enseignants0,454 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKorean Journal of Clinical PharmacyMême sujetInterprofessional Education and CollaborationTravaux en français237 207