Online Delivery of Interprofessional Adverse Childhood Experiences Training to Rural Providers: Usability Study
Notice bibliographique
Résumé
Background: The population health burden of adverse childhood experiences (ACEs) reflects a critical need for evidence-based provider training. Rural children are also more likely than urban children to have any ACEs. A large proportion of providers are unaware of the detrimental effects of ACEs. There is a significant documented need for training providers about ACEs and trauma-informed care, in addition to a demand for that training. Objective: The objective was to develop, implement, and evaluate an online ACEs training curriculum tailored to Missouri providers, particularly those in rural areas given the higher prevalence of ACEs. Methods: From July 2021 to June 2022, we conducted literature reviews and environmental scans of training videos, partner organizations, clinical practice guidelines, and community-based resources to curate appropriate and tailored content for the course. We developed the ACEs training course in the Canvas learning platform (Instructure) with the assistance of an instructional designer and media designer. The course was certified for continuing medical education, as well as continuing education for licensed professional counselors, psychologists, and social workers. Recruitment occurred via key stakeholder email invitations and snowball recruitment. Results: Overall, 135 providers across Missouri requested enrollment, with 72.6% (n=98) enrolling and accessing the training. Of the latter, 49% (n=48) completed course requirements, with 100% of respondents agreeing that the content was relevant to their work, life, or practice; they intend to apply the content to their work, life, or practice; they feel confident to do so; and they would recommend the course to others. Qualitative responses supported active intent to translate knowledge into practice. Conclusions: This study demonstrated the feasibility, acceptability, and effectiveness of interprofessional workforce ACEs training. Robust interest statewide reflects recognition of the topic's importance and intention to translate knowledge into practice.
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 | 0,008 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,002 | 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 ».