MétaCan
Menu
← Retour à la cohorte
Enregistrement W4317895470 · doi:10.1370/afm.21.s1.3941

Shared Decision-Making Toolkit: An Effective Strategy for the Continuous Professional Development of Primary Care Nurses

2023· article· en· W4317895470 sur OpenAlexaboutno aff
Marie-Ève Poitras, Catherine Hudon, Pierre Pluye, Vanessa T. Vaillancourt, Annie Poirier, Andréanne Bernier, France Légaré

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPrimary careComputer scienceProfessional developmentProcess managementKnowledge managementMedical educationMedicineEngineeringFamily medicine

Résumé

récupéré en direct d'OpenAlex

Context: Shared decision-making (SDM) is central to person-centred care and primary care nurses’ practice. Our previous work showed the unmet educational needs of primary care nurses to engage in SDM with complex care needs patients. Objective: Using Kirkpatrick’s four levels of learning, we sought to provide primary care nurses a continuing professional development (CPD) toolkit that meets their educational needs so they will engage in SDM with complex care needs patients. Study Design: One-group pre-post study to evaluate the CPD toolkit Setting: Primary care clinics in Quebec Population Studied: Primary care nurses Intervention: Cocreated CPD toolkit with a dissemination strategy using social media and the primary care nurses’ virtual community of practice. Outcome Measures: We used validated questionnaires using a 4-points Likert scale to measure Kirkpatrick’s level 1 (reaction) and level 2 (learning) of primary care nurses after using the CPD toolkit. We collected qualitative data to document primary care nurses’ perceptions of the CPD toolkit. Analysis: We used descriptive analyses to characterize the sample and student t-test for paired samples to evaluate the impact of the CPD toolkit. We used thematic analysis for qualitative data. Results: Our CPD toolkit was launched in the fall 2021. 165 primary care nurses completed it. From them, 69 completed pre-and post-training CPD questionnaires. Giving to Level 1, over 90% of the primary care nurses was satisfied with the CPD toolkit. For Level 2, the CPP toolkit significantly improved their confidence (p≤0.001) and intention (p≤0.01) to apply their knowledge in clinical settings. Comparative analyses show that the CDP toolkit appears to be most effective for primary care nurses practicing for 1 to 10 years. Qualitatively, as the most appreciated elements, primary care nurses identified the clarity and conciseness of the content disseminated and the access to concrete tools. After the CDP toolkit completion, primary care nurses perceived themselves as better able to assess patients’ needs, support them in their SDM, and understand the nurse’s and patient’s roles in SDM. Conclusions: This project demonstrated that an innovative model of asynchronous CPD toolkit for SDM and primary care nurses is efficient to improve Kirkpatrick’s Levels of learning 1 and 2 in primary care settings that match the educational needs expressed. This CDP toolkit could be exportable to other clinicians in primary care.

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)0,046
score de la tête « metaresearch » (Gemma)0,079
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,242

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0460,079
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0060,004
Communication savante0,0060,007
Science ouverte0,0040,023
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0100,003

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 Opus0,046
Tête enseignante GPT0,471
Écart entre enseignants0,425 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

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 sujetInterprofessional Education and Collaboration→Travaux en français237 207→