USING MICRO-CREDENTIAL TO ADVANCE LONG-TERM CARE STAFF EXPERTISE IN PALLIATIVE CARE FOR PEOPLE WITH DEMENTIA
Notice bibliographique
Résumé
Abstract Background Ontario Tech University partnered with experts from Alzheimer’s Society of Canada (Durham Region of Ontario) and Ontario Shores Centre for Mental Health Sciences to develop a micro-credentialing certificate program in dementia care. This study aims to evaluate the usability and applicability of using micro-credential learning to advance long-term care staff’s expertise in providing palliative care for people with dementia. Methods Registered Practical Nurses (RPNs), Registered Nurses (RNs), Nurse Practitioners (NP) and Personal Support Workers (PSWs) (n=19) who worked in long-term care homes located in Southern Ontario completed a one-day training to pilot-test a gamified micro-credential education related to palliative care for people with dementia. Upon completion of the training, a quantitative pre-assessment and post-assessment were used to evaluate learner’s perceived knowledge, skill, attitude and confidence as measured by the Educational Self-Efficacy Scale. Results Overall, there was a statistically significant increase in knowledge after the micro-credential training (P<.0001), with a mean increase of 3.2 more questions answered correctly. Focus group findings revealed four key themes: opportunities of using gamified simulation to promote learner’s engagement; lack of palliative care training to support people with dementia; need to strengthen workplace training using micro-credential for upskilling; and meaning of palliative care in long-term care sector. Conclusion Palliative care is recognized to be an important part of work in long-term care as residents are often admitted with complex and life-threatening conditions. Participants highlighted the feasibility of enhancing their knowledge and competence in palliative care through specialized training using gamified, simulation learning through micro-credential training.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».