In situ clinical education of frontline healthcare providers in under-resourced areas: A rapid review
Notice bibliographique
Résumé
ABSTRACT: Rural communities are geographically isolated from large urban areas, affecting access to definitive care, specialists and other health services that only service urban areas. Rural decision-makers are often faced with numerous challenges regarding the availability, capacity, sustainability and performance of health systems in rural and remote areas. We evaluated the current body of literature on educational initiatives being used in under-resourced areas to increase the knowledge or skills of healthcare workers. This rapid review followed the methods laid out by the Cochrane Rapid Reviews Methods Group and included published articles from any of three databases that described and evaluated an educational intervention, in which healthcare workers were the learners and which took place in an under-resourced area. Papers were excluded if they were deemed to be too resource intensive, were an opinion or concept paper or took place in an urban area. Results were synthesised descriptively. Ten studies were identified that contained information on educational initiatives in a variety of countries. The healthcare workers targeted in the studies varied from physicians, nurses and midwives to community health workers and students. The quality of studies also varied and included randomised control trials, systematic reviews and both prospective and retrospective studies. Initiatives involving simulation or point-of-care ultrasound were most common and showed the most benefit to a learner's knowledge and skill development. A limited body of literature exists on educational initiatives for healthcare workers in under-resourced areas. While simulation and hands-on learning showed positive results, the opportunity remains for a low-cost, high-yield educational initiative tailored to the unique needs of healthcare workers in under-resourced areas.Les communautés rurales sont géographiquement isolées des grandes zones urbaines, ce qui affecte l'accès à des soins définitifs, à des spécialistes et à d'autres services de santé qui ne desservent que les zones urbaines. Les décideurs ruraux sont souvent confrontés à de nombreux défis concernant la disponibilité, la capacité, la durabilité et la performance des systèmes de santé dans les zones rurales et éloignées. Nous avons évalué l'ensemble de la littérature actuelle sur les initiatives éducatives utilisées dans les zones sous-dotées pour améliorer les connaissances ou les compétences des travailleuses et travailleurs de la santé. Cette examen rapide a suivi les méthodes définies par le Cochrane Rapid Reviews Methods Group et a inclus des articles publiés dans l'une des trois bases de données qui décrivaient et évaluaient une intervention éducative dans laquelle les travailleuses et travailleurs de la santé étaient les apprenants et qui SE déroulait dans une zone manquant de ressources. Des articles jugés trop gourmands en ressources, des opinions, des documents conceptuels ou en lien avec des zones urbaines, ont été exclus. Les résultats ont été synthétisés de manière descriptive. 10 études ont été identifiées, contenant des informations sur des initiatives éducatives dans divers pays. Les travailleurs de la santé ciblés dans les études variaient des médecins, des infirmières et des sages-femmes aux travailleurs de la santé communautaire et aux étudiants. La qualité des études était également variable et comprenait des essais contrôlés randomisés, des revues systématiques et des études prospectives et rétrospectives. Les initiatives impliquant la simulation ou le POCUS étaient les plus courantes et présentaient le plus d'avantages pour le développement des connaissances et des compétences de l'apprenant. Il existe un nombre limité de documents sur les initiatives éducatives destinées aux travailleurs de la santé dans les zones sous-dotées. Bien que la simulation et l'apprentissage pratique aient donné des résultats positifs, il est toujours possible de mettre en place une initiative éducative peu coûteuse et à haut rendement, adaptée aux besoins spécifiques des travailleuses et travailleurs de la santé dans les zones sous-dotées.
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 | 0,006 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».