MétaCan
Menu
Retour à la cohorte
Enregistrement W4387812339 · doi:10.3399/bjgp.2023.0251

Training needs for staff providing remote services in general practice: a mixed-methods study

2023· article· en· W4387812339 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueBritish Journal of General Practice · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensOffice of the Chief Medical Examiner
Organismes subventionnairesNIHR School for Primary Care ResearchNational Institute for Health and Care Research
Mots-clésContext (archaeology)TriageMedical educationWorkloadWorkflowMedicineModalitiesStakeholderNursingKnowledge managementComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Contemporary general practice includes many kinds of remote encounter. The rise in telephone, video and online modalities for triage and clinical care requires clinicians and support staff to be trained, both individually and as teams, but evidence-based competencies have not previously been produced for general practice. AIM: To identify training needs, core competencies, and learning methods for staff providing remote encounters. DESIGN AND SETTING: Mixed-methods study in UK general practice. METHOD: Data were collated from longitudinal ethnographic case studies of 12 general practices; a multi-stakeholder workshop; interviews with policymakers, training providers, and trainees; published research; and grey literature (such as training materials and surveys). Data were coded thematically and analysed using theories of individual and team learning. RESULTS: Learning to provide remote services occurred in the context of high workload, understaffing, and complex workflows. Low confidence and perceived unmet training needs were common. Training priorities for novice clinicians included basic technological skills, triage, ethics (for privacy and consent), and communication and clinical skills. Established clinicians' training priorities include advanced communication skills (for example, maintaining rapport and attentiveness), working within the limits of technologies, making complex judgements, coordinating multi-professional care in a distributed environment, and training others. Much existing training is didactic and technology focused. While basic knowledge was often gained using such methods, the ability and confidence to make complex judgements were usually acquired through experience, informal discussions, and on-the-job methods such as shadowing. Whole-team training was valued but rarely available. A draft set of competencies is offered based on the findings. CONCLUSION: The knowledge needed to deliver high-quality remote encounters to diverse patient groups is complex, collective, and organisationally embedded. The vital role of non-didactic training, for example, joint clinical sessions, case-based discussions, and in-person, whole-team, on-the-job training, needs to be recognised.

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.

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)0,010
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,972
Score d'incertitude au seuil0,886

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,072
Tête enseignante GPT0,472
Écart entre enseignants0,400 · 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