An Innovative Course on Involving Patients in Health Professions Education
Notice bibliographique
Résumé
Background & Need for Innovation: Patients can be actively involved in various aspects of health professions education (HPE). However, learners in HPE graduate programs have minimal opportunities to learn how to involve patients in HPE. Steps Taken for Development and Implementation of Innovation: We designed, implemented, and evaluated a 12-week asynchronous, online graduate course that provides learners such opportunities. We established an advisory committee of patients, clinician-educators, and professors to guide course development. Using Thomas et al.'s framework, we established the general and targeted need for the course, identified the learning outcomes, determined the learning activities, and implemented and evaluated the course. It is offered within the asynchronous, online Diploma and Master in HPE at the University of Ottawa, Canada. Evaluation of Innovation: Forty learners participated in the course between 2020 and 2022. Using a survey with closed- and open-ended items, learners reported satisfaction with all course components, and they valued the patient narrative videos created for the course. After course completion, learners reported that the course is relevant to their professional practice. They also reported confidence in their abilities to actively involve patients in HPE. Based on the culminating assignment assessment data, learners attained course expectations. Critical Reflection: Although patients who participated in the narrative videos represented diverse age ranges, health conditions, and experiences in HPE, they were often Caucasian, educated, and from a higher socio-economic background. Also, the level of engagement between patients and learners in the course was limited. We are committed to improving our own patient involvement efforts.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».