Evaluation of a Novel Online Webinar for Health Care Practitioner Education on the Health Effects of Smoking Cannabis in the Airway
Notice bibliographique
Résumé
INTRODUCTION: The rapid legalization of cannabis has led to a knowledge gap among health care practitioners (HCPs). This study aimed to evaluate a novel online webinar for HCP education on the health effects of smoking cannabis. METHODS: An educational activity was developed by a multidisciplinary panel of experts. The webinar was recorded for on-demand viewing. A 10-item knowledge test was created by the multidisciplinary panel with content validity and was administered pre- and posteducational activity. RESULTS: Six hundred seven HCPs participated. Pre- to posttest scores increased from 56.9% ± 23.9% to 63.5% ± 24.7% (P < .0001). The live group had a significantly higher improvement in scores (10.5% [7.1-13.8% 95% CI] (P < .0001)) than the on-demand group. In multivariable regression model, the following factors were associated with a greater improvement in scores: older age (P = .0074), physician occupation (P = .026), live mode of learning interacted with lower pretest score (P < .0001), and live mode of learning interacted with female gender (P = .001). Approximately three-quarters of participants rated the webinar as above average (44.8%) or outstanding (29.8%). DISCUSSION: This novel online educational activity increased knowledge and awareness of the health effects of smoking cannabis in the airway among HCPs and engaged learners virtually during the COVID-19 pandemic.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».