Understanding the Experiences of Clinicians Accessing Electronic Databases to Search for Evidence on Pain Management Using a Mixed Methods Approach
Notice bibliographique
Résumé
The act of searching and retrieving evidence falls under the second step of the EBP process-tracking down the best evidence. The purpose of this study is to understand the competencies of clinicians accessing electronic databases to search for evidence on pain management using a mixed methods approach. Thirty-seven healthcare professionals (14 occupational therapists, 13 physical therapists, 8 nurses, and 2 psychologists) who are actively involved in pain management were included. This study involved two parts (a qualitative and a quantitative part) that ran in parallel. Participants were interviewed using a semi-structured interview guide (qualitative data); data were transcribed verbatim. During the interview, participants were evaluated in comparison to a set of pre-determined practice competencies using a chart-stimulated recall (CSR) technique (quantitative data). CSR was scored on a 7-point Likert scale. Coding was completed by two raters; themes across each of the competencies were integrated by three raters. Seven themes evolved out of the qualitative responses to these competencies: formulating a research question, sources of evidence accessed, search strategy, refining the yield, barriers and facilitators, clinical decision making, and knowledge and awareness about appraising the quality of evidence. The qualitative results informed an understanding of the strengths and weaknesses in the competencies evaluated. In conclusion, using a mixed methods approach, we found that clinicians were performing well with their basic literature review skills, but when it came to advanced skills like using Boolean operators, critical appraisal and finding levels of evidence they seem to require more training.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,027 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».