MétaCan
Menu
Retour à la cohorte
Enregistrement W4294276597 · doi:10.1080/21614083.2022.2116193

Benefits of Providing Feedback and Utilisation Metrics to Specialists on Their Participation in eConsult

2022· article· en· W4294276597 sur OpenAlexafffundabout
Rhea Mitchell, Sheena Guglani, Douglas Archibald, Amir Afkham, Clare Liddy

Notice bibliographique

RevueJournal of European CME · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueHealthcare Systems and Technology
Établissements canadiensOttawa HospitalBruyèreUniversity of Ottawa
Organismes subventionnairesMinistry of Health, Ontario
Mots-clésService (business)MedicineBusinessMedical educationFamily medicineMarketing

Résumé

récupéré en direct d'OpenAlex

Our study evaluates the impact of feedback sent to specialists participating in eConsult services. eConsult Specialists from two eConsult services in Ontario, Canada, received feedback on their use of eConsult via bi-annual specialist reports. An 11-item survey was developed to evaluate the impact, content, and distribution process of these specialist reports. We distributed 742 specialist reports in March 2021 and surveyed the specialists in July 2021. Our findings show that specialists largely felt that the feedback received validated their efforts (83%) and that receiving the report made them more likely to continue to participate in the eConsult service (59%). Most did not feel judged (74%) or distressed (79%) by the reports, and 72% said that reporting the median self-reported billing time did not impact their own billing times. Overall, eConsult services can capture, report and aggregate data valuable to specialists and is useful for Continuing Professional Development. Benefits and lack of risk implementing this type of feedback should encourage other services to consider similar processes.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,628
Score d'incertitude au seuil0,209

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,061
Tête enseignante GPT0,274
Écart entre enseignants0,212 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations3
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of European CMEMême sujetHealthcare Systems and TechnologyTravaux en français237 207