MétaCan
Menu
Retour à la cohorte
Enregistrement W4296379034 · doi:10.1097/pr9.0000000000001030

Ten-year mixed-method evaluation of prelicensure health professional student self-reported learning in an interfaculty pain curriculum

2022· article· en· W4296379034 sur OpenAlexaffabout
Craig Dale, Iacopo Cioffi, Laura Murphy, Sylvia Langlois, Renata Musa, Bonnie Stevens

Notice bibliographique

RevuePAIN Reports · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensUniversity Health NetworkHealth Sciences CentreUniversity of TorontoSickKids FoundationSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésSession (web analytics)CurriculumAttendancePresentation (obstetrics)Medical educationPsychologyQualitative propertyKnowledge acquisitionMedicineComputer sciencePedagogyKnowledge management

Résumé

récupéré en direct d'OpenAlex

Abstract See commentary: Trouvin A-P. “Ten-year mixed method evaluation of prelicensure health professional student self-reported learning in an interfaculty pain curriculum”: a view on pain education. PAIN Rep 2022;7:e1031. Introduction: Student perspectives on interprofessional pain education are lacking. Objectives: The purpose of this study was to evaluate ratings of knowledge acquisition and effective presentation methods for prelicensure health professional students attending the University of Toronto Centre for the Study of Pain Interfaculty Pain Curriculum (Canada). Methods: A 10-year (2009–2019) retrospective longitudinal mixed-methods approach comprising analysis and integration of quantitative and qualitative data sets was used to evaluate 5 core University of Toronto Centre for the Study of Pain Interfaculty Pain Curriculum learning sessions. Results: A total of 10, 693 students were enrolled (2009–2019) with a mean annual attendance of 972 students (±SD:102). The mean proportion of students rating “agree/strongly agree” for knowledge acquisition and effective presentation methods across sessions was 79.3% (±SD:3.4) and 76.7% (±SD:6.0), respectively. Knowledge acquisition or presentation effectiveness scores increased, respectively, over time for 4 core sessions: online self-study pain mechanisms module (P = 0.03/P < 0.001), online self-study opioids module (P = 0.04/P = 0.019), individually selected in-person topical pain sessions (P = 0.03/P < 0.001), and in-person patient or interprofessional panel session (P = 0.03). Qualitative data corroborated rating scores and expanded insight into student expectations for knowledge acquisition to inform real-world clinical practice and interprofessional collaboration; presentation effectiveness corresponded with smaller session size, individually selected sessions, case-based scenarios, embedded knowledge appraisal, and opportunities to meaningfully interact with presenters and peers. Conclusion: This study demonstrated positive and increasing prelicensure student ratings of knowledge acquisition and effective presentation methods across multifaceted learning sessions in an interfaculty pain curriculum. This study has implications for pain curriculum design aimed at promoting students' collaborative, patient-centered working skills.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,053
score de la tête « metaresearch » (Gemma)0,055
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,053
Score d'incertitude au seuil0,281

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0530,055
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,494
Écart entre enseignants0,451 · 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 source (Gemma direct ou Codex distillé), 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

Citations6
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePAIN ReportsMême sujetInterprofessional Education and CollaborationTravaux en français237 207