Pre-licensure medical students’ knowledge and views on interprofessional learning: A qualitative concept analysis based on real-world data
Notice bibliographique
Résumé
Background The several definitions of Interprofessional Education (IPE) allow for different interpretations and interchangeable terms. This study aims to determine the characteristics and attributes of the definition of IPE. Materials and methods In November 2019, 31 medical students (64.5% female) from a single institution took part in nine semi-structured interviews. We created a deductive three-level code system followed by an inductive code system based on several known IPE definitions. We extracted the main entities of the concept of IPE according to both code systems to create a framework. We used MaxQDA software for qualitative analysis. Verification of codes and categories was attained through sequential peer-debrief. Results Participants correctly named the WHO’s definition of IPE, and outlined its four main dimensions according to the Interprofessional Education Collaborative report. We found new IPE attributes and demonstrated the weight of communication and role recognition. Two-thirds of medical students mentioned IPE activities that we classified as a contrary model (without collaboration or patient-centeredness) and a minimum weight was given to the importance of patient-centeredness. Conclusion Medical students’ understanding of the concept of IPE is coherent. We deepened the understanding of previously identified definitions of IPE, and we identified new attributes of the concept. Finally, we added “well-being” as a component of interprofessionality. Clinical Trial Registration [ https://www.isrctn.com/ ], identifier [ISRCTN41715934].
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».