MétaCan
Menu
Retour à la cohorte
Enregistrement W4317878293 · doi:10.1370/afm.21.s1.3970

Domestic Application of Lessons Learned by Canadian Healthcare Professionals Working in International Disaster Settings

2023· article· en· W4317878293 sur OpenAlexaboutno aff
Neha Arora, Lynda Redwood‐Campbell, Meredith Vanstone, Lisa Schwartz, Salim Sohani, Simran Sharma, Alexandra Hildebrand

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDisaster Response and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Medical educationHealth carePhonePsychologyFirst responderDescriptive statisticsEmergency managementDisaster responseNursingPublic relationsMedicineMedical emergencyPolitical scienceGeography

Résumé

récupéré en direct d'OpenAlex

Context: The potential for disasters and public health emergencies is increasing globally, requiring expertise and capacity to mitigate and manage such events. Individuals with prior international disaster response represent an essential source of expertise to support disaster response in their home countries. Objective: The objective of this study was to explore the experiences of healthcare personnel involved in international emergency response regarding their perceptions of the individual attributes and collective team capacities during disaster response and how this may benefit disaster management in Canada. Study Design and analysis: This descriptive qualitative research study consisted of semi-structured interviews with key informants. Interviews were audio-recorded and transcribed. Conventional content analysis was performed on the transcripts, and themes were developed. Setting: Interviews were either conducted over the phone or in person. Population studied: Participants were delegates involved with the Canadian Red Cross medical response team, and who acted in a clinical or technical (physicians, surgeons, nurses) or administrative role (team leaders, administrators) within the last 5 years. Instrument: Semi structured interview guide was designed and piloted. It included open ended questions that explored participants’ experience on medical emergency response team and related lessons learned in terms of skills and capacities acquired. Outcome measures: Participant narratives of individual skills and team capacities acquired during disaster response and how these skills and capacities can be applied domestically in Canada. Results: Eighteen key informants provided perspectives on individual attributes acquired during international deployments, (ex; agility, stress management), and team capacities developed, including collaboration and conflict management. Key informants included nurses, physicians, technicians, and administrators and described these experiences as highly relevant to the domestic context. Conclusions: Canadian physicians and healthcare workers involved with international disaster response have already acquired essential capacities, and this experience can be vital to building efficient disaster response teams. These findings complement the CanMEDS roles and can inform course design, competency and curriculum development for family medicine and primary care professional training programs related to disaster response.

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)0,006
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,933
Score d'incertitude au seuil0,489

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,014
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0240,010
Communication savante0,0070,002
Science ouverte0,0020,007
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,083
Tête enseignante GPT0,475
Écart entre enseignants0,392 · 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'étudeQualitatif
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDisaster Response and ManagementTravaux en français237 207