Changing Physician Performance: A Systematic Review and Meta-Analysis (75 years 1950-2024) of the Effect of Continuing Medical Education Strategies, Continuous Professional Development and knowledge Translation
Notice bibliographique
Résumé
ABSTRACT Introduction Medical education has always been considered an essential component for improving the knowledg and performance of physicians and medical assistants. However, this education must be carried out continuously t update the knowledge of physicians and improve their performance. Various strategies are used to achieve this goal, the most important of which are CME, CPD, and CBME strategies. This study aimed to investigate the effect of using these strategies on improving the performance of physicians in the world using a systematic review method. Methods This study was conducted using a systematic review method on the effect of educational strategies o improving the performance of physicians in the world. Accordingly, all relevant articles published between 195 and 2024 were extracted and reviewed through a search in the scientific databases PubMed/Medline, Web of Science, ProQuest, and Scopus. The quality of the articles was assessed using the CONSORT checklist an Newcastle-Ottawa Scale. Results twenty articles conducted between 1993 and 2024 were included in the systematic review process. According to the findings, providing continuing education based on CME, CPD, CBME, and knowledge translatio strategies positively affected the knowledge, skills, and performance of physicians and medical assistants i providing health services. This can be used to train medical students and practicing physicians on an ongoing basis. Conclusion Medical education using CME, CPD, and CBME strategies can improve physicians’ knowledge and performance, and subsequently increase job satisfaction, self-efficacy, communication skills, medical knowledge, performance, and skill. However, individual, structural, and content limitations that can prevent success in learnin and training programs should be considered and addressed.
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 | 0,018 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,015 | 0,033 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».