MétaCan
Menu
Retour à la cohorte
Enregistrement W4365136560

Describing a Clinical Group Coding Method for Identifying Competencies in an Allied Health Single Session

2020· article· en· W4365136560 sur OpenAlexaboutno aff
Craig SL, Lauren B. McInroy, Andrew D. Eaton

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMedical Coding and Health Information
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSession (web analytics)Coding (social sciences)Group (periodic table)Computer sciencePsychologyMedical educationMedicineStatisticsMathematicsWorld Wide WebChemistry
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Shelley L Craig,1 Lauren B McInroy,2 Andrew D Eaton3 1Factor-Inwentash Faculty of Social Work (FIFSW) at the University of Toronto, Toronto, ON M5S1V4, Canada; 2College of Social Work at the Ohio State University, Columbus, OH 43210, USA; 3FIFSW at the University of Toronto, Toronto, ON M5S1V4, CanadaCorrespondence: Shelley L CraigFactor-Inwentash Faculty of Social Work (FIFSW) at the University of Toronto, Toronto, ON M5S1V4, CanadaTel +1416-978-8847Fax +1416-978-7072Email shelley.craig@utoronto.caIntroduction: Competencies that integrate research findings and practice expertise are necessary to maintain comprehensive evidence-based practice for allied health professions, such as social work. The context of modern multidisciplinary healthcare, especially in acute or emergency settings, means that an individual clinician may only have a single session with a patient. Maximizing the benefit of single sessions requires advanced competence that extends beyond diagnostics and biomedical treatments to the impact of social systems on health outcomes; multi-level advocacy for reduction of existing health disparities and equity in access to health and mental health services; and “working knowledge” of non-pharmacological treatments.Methods: This study employed a practice-based research methodology whereby health social workers group coded 32 simulation videos, drawn from an advanced social work practice course, to develop a practice-based competency framework that incorporates these advanced skills. Constructivist grounded theory was employed through a cyclical coding process of viewing video data, identifying and discussing skills and competencies, and summarizing/synthesizing the discussions for critical reflection.Results: The resulting Clinician Group Coding Method utilized systematic and collaborative group coding of practice simulation videos by three clinicians and two researchers to identify relevant competencies for a single session. Emphasis was placed on the progressive phases of single-session patient interactions (eg, joining, working, ending), a practice format that frequently occurs in social work and other allied health professions. These phases include themes of preparing, agenda setting and refining, addressing context, providing education, planning the next steps, and encouraging success.Discussion: The group coding process allowed for immediate discussions and clarifications, supporting the clinicians to synthesize their experiences toward shared understandings of “best practices” in single-session healthcare contexts. This approach facilitated the understanding of critical actions that allied health clinicians could undertake to improve single-session interactions. This practice-based competency framework may have significant utility for multidisciplinary healthcare education and practice.Keywords: simulation, practice-based research, competence, allied health, group coding, education

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,409
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0160,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,003
Science ouverte0,0020,001
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,917
Tête enseignante GPT0,736
Écart entre enseignants0,180 · 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 tête enseignante, pas un consensus.

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)Même sujetMedical Coding and Health InformationTravaux en français237 207