MétaCan
Menu
← Retour à la cohorte
Enregistrement W4307054484 · doi:10.1093/pch/pxac100.021

22 Neonatal regional outreach education in Quebec – a formal needs assessment

2022· article· en· W4307054484 sur OpenAlexaffabout
Michael‐Andrew Assaad, Emilie Filion-Ouellet, Yasmine Khouzam, Bonnie Lynch

Notice bibliographique

RevuePaediatrics & Child Health · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueTrauma and Emergency Care Studies
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésOutreachFocus groupDescriptive statisticsNeeds assessmentPopulationCurriculumNursingMedicineMedical educationPsychologyBusinessPedagogyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Abstract Background In Montreal (Quebec, Canada), newborn care is provided in either highly specialized hospitals for complex/critically ill patients or community hospitals for healthier patients. Community health care practitioners (CHP) have varying levels of comfort and competency in newborn care. Also, because of the unpredictable nature of obstetrics, CHP will need to manage critically ill newborns throughout their careers. Such high acuity, low frequency events can be difficult to manage even in experienced hands. Therefore, there is an imperative to develop a neonatal training curriculum for CHP, with an emphasis on critical newborns. Objectives As a first step, the objective of this study was to perform a comprehensive needs assessment of neonatal outreach education for CHP working in the Greater Montreal Area (Quebec, Canada). Design/Methods Using a mixed methods design (figure), the needs assessment was divided in 3 sections. First, the felt educational needs of the target population (CHP) using an online questionnaire. Second, through focus group discussion, the normative needs of the medical personnel who transport critical newborns. Third, the expressed educational needs of CHP through analysis of neonatal transport data between 2017-2020. Quantitative data was analyzed using descriptive statistics, including means and medians. Qualitative data was coded using conventional content analysis, with the primary technique being descriptive and pattern coding. Results The questionnaire reached 158 participants across 13 community hospitals. CHP are seeking training with procedures, critical situations, and resuscitation. Also, resource sharing, more field expertise, and additional resources for training (time, credits) were identified. Three focus groups (15 participants) also revealed that procedural training, critical newborn management and ventilation were important, as well as Crisis Resource Management (CRM) training. Both the questionnaire and focus groups identified specific medical conditions of interest. The expressed needs (transport data, 947 transports) helped reinforce felt and normative needs. Simulation was identified as a key educational technique. Conclusion A neonatal educational outreach curriculum will need to include procedural training, CRM teaching and certain specific medical conditions including extreme prematurity, hypoxic-ischemic encephalopathy (HIE) and pneumothorax. Procedural training and the principles of ventilation are also critically important. Simulation should be integral, in situ and with varied content. The fear of being judged is omnipresent and should be recognized during outreach education. Educational resources should be shared on an easily accessible, central website.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,084
Score d'incertitude au seuil0,608

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,016
Tête enseignante GPT0,318
Écart entre enseignants0,302 · 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

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePaediatrics & Child Health→Même sujetTrauma and Emergency Care Studies→Travaux en français237 207→