An Online Pediatric Palliative Care Education and Mentoring (Project ECHO) in Nepal: A Program Implementation Case Study and Assessment of Changes in Healthcare Providers’ Knowledge, Confidence, and Attitudes
Notice bibliographique
Résumé
OBJECTIVES: The goal of this implementation study was to describe the implementation and evaluation of the impact of an online pediatric palliative care training program in Nepal, using the Project ECHO model. METHODS: The study used mixed methods, including a program case study describing the online learning program and before-and-after surveys of program participants, assessing learning through changes in knowledge, comfort, and attitudes. An end-of-program survey was used to evaluate participants' overall experiences with the learning program and use of the learning resources. RESULTS: A literature review, stakeholder surveys, and expert input informed the design of the intervention. The course used the Project ECHO model of online education, with modifications based on the leadership team's previous ECHO experiences and local stakeholder input. The intervention occurred over 9 months, with 22 online teaching sessions. Each session consisted of a didactic lecture, case presentation, and interactive discussion with expert clinical teachers. Fifty-five clinicians in Nepal participated, including physicians (47%), nurses (44%), and psychotherapists (5%). Clinicians reported improvements in knowledge, skills, and attitudes after program participation. Program acceptability scores were high, with 93% of participants reporting that the course provided effective learning. CONCLUSIONS: Project ECHO can be successfully implemented to deliver continuing professional development in Nepal. Delivering palliative care education online using the Project ECHO model, leads to improved knowledge, skills, and attitudes for clinicians. Project ECHO suggests an innovative solution which can provide training and support to clinicians in settings where educational opportunities in palliative care are limited.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».