MétaCan
Menu
Retour à la cohorte
Enregistrement W4361212548 · doi:10.7759/cureus.36789

Developing a Partnership Model to Address Gaps in Rural Healthcare Provider Training Using Simulation-Based Health Professions Education

2023· editorial· en· W4361212548 sur OpenAlexaffabout
Samyah Siraj, Ginny Brunton, Artur Arutiunian, Gordon Brock, Adam Dubrowski

Notice bibliographique

RevueCureus · 2023
Typeeditorial
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensUniversity of Ontario Institute of TechnologyCégep de l'Abitibi Témiscamingue
Organismes subventionnairesnon disponible
Mots-clésGeneral partnershipHealth careCurriculumMedicineRural areaKnowledge managementMedical educationEngineering managementBusinessComputer scienceEngineeringPsychologyEconomic growth

Résumé

récupéré en direct d'OpenAlex

Rural and remote (R&R) healthcare providers experience difficulties accessing continuing medical education, including simulation, to improve their clinical competencies to address the diverse health needs of the rural Canadian population. At the same time, the College of Family Physicians of Canada (CFPC) has identified a need to shift toward a competency-based curriculum to increase access to clinical training using innovative, flexible methods, such as simulation. Simulation is a strategy that can be applied to facilitate this learning by allowing learners to practice clinical skills on a simulator. However, the high cost of simulators is not a practical solution to address the training needs of R&R healthcare providers. In accordance with one of the CFPC's policy considerations, establishing partnerships between relevant sectors such as university research and innovation centers, for-profit organizations (FPO), and not-for-profit organizations (NPOs) to develop and distribute simulators to R&R healthcare providers can help reduce costs and address gaps in health professions education. Modern, Industry 4.0-related technologies such as three-dimensional (3D) printing allow for sustainable and affordable manufacturing of simulators, however, the tools and "know-how" to develop these simulators are currently limited mainly to university research and innovation centers in urban areas. To date, no simulation-focused partnership model exists that addresses how Industry 4.0 augmented simulation technology can make its way from university research and innovation centers into R&R healthcare settings. The proposed solution is to create a simulation-focused partnership model between university research and innovation centers, FPOs, and NPOs to improve the diffusion of Industry 4.0 augmented simulation technology to the R&R Canadian healthcare sector. Diffusing simulators from a research lab to R&R healthcare providers is a sustainable approach aligned with CFPC's policy considerations to strengthen rural medical education, subsequently strengthening rural medical practice.

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)0,012
score de la tête « metaresearch » (Gemma)0,017
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: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,017
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,002
Communication savante0,0070,009
Science ouverte0,0030,016
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0130,003

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 Opus0,207
Tête enseignante GPT0,505
Écart entre enseignants0,298 · 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
GenreÉditorial

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCureusMême sujetInnovations in Medical EducationTravaux en français237 207