Evaluation and Uptake of an Online ADHD Psychoeducation Training for Primary Care Health Care Professionals: Implementation Study
Notice bibliographique
Résumé
Background: Health care professionals seldom receive training on neurodevelopmental conditions such as attention-deficit/hyperactivity disorder (ADHD). An online training was co-developed to address some of the gaps in knowledge and understanding in primary care. A randomized controlled trial demonstrated that the training increased knowledge and confidence and improved practice. Objective: This report highlights the implementation of the training in practice and follow-up 4 years post evaluation. Methods: The online ADHD training comprises 2 modules: "Understanding ADHD" and "The Role of the GP," each taking approximately 45 minutes to complete. The training targets general practitioners primarily but is open to other health care professionals and parents. Feedback was collected through a survey at the end of the training, and the training has been widely adopted by various organizations internationally and nationally. Results: Between December 2019 and January 2024, the "Understanding ADHD" module was accessed more than 13,486 times, while the "Role of the GP" module was accessed 7018 times, primarily by users from the United States and the United Kingdom. Survey results from both modules showed positive feedback with high ratings for usefulness, likelihood to inform practice, and recommendation to colleagues. Some suggestions for improvement included reducing the negative focus on ADHD consequences and incorporating more positive aspects of ADHD. Conclusions: This ADHD online training program, despite facing implementation challenges, has seen positive outcomes, including international translation and high user ratings. Suggestions for improvement were received, but some were not feasible due to regional variations in ADHD pathways. The training's impact extended beyond GPs to other health care professionals, although the COVID-19 pandemic posed obstacles to dissemination efforts. Nonetheless, ongoing plans aim to expand the training's implementation globally.
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 | 0,037 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».