Training needs for staff providing remote services in general practice: a mixed-methods study
Notice bibliographique
Résumé
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,018 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».