Impact of a continuing medical education program on primary care providers - an analysis of a child psychiatry education program in Saskatchewan
Notice bibliographique
Résumé
BACKGROUND: Treating children and youth with mental health problems in the primary care setting is challenging for many reasons. One barrier to care is a lack of physician knowledge of child psychiatry. Saskatchewan has implemented a 6-month course developed by the non-profit REACH Institute and adapted to Canada (CanREACH), focused on teaching and implementing evidence-based child psychiatric diagnostic and treatment methods into primary care. Our study focused on determining this program's impact on primary care providers (PCPs) and patients. METHODS: To determine the impact of CanREACH, we assessed the knowledge and skills gained by PCPs and determined whether these were retained over time. To evaluate systemic impact, we examined if the pre-training and post-training referrals to an outpatient child psychiatry clinic were impacted for PCPs who had taken the course. RESULTS: PCPs developed significant skills and comfort in assessing, diagnosing and treating various mental illnesses and retained this knowledge over time. PCPs who had taken the course had a significant reduction in referrals (0.9 per PCP) made to child psychiatry, as compared to those who had not taken the course (1.3 per PCP) (p < 0.05). This long-term retention of skills provides reassurance about the effectiveness of the CanREACH program. CONCLUSIONS: Education improved the capacity of primary care providers to manage child and adolescent psychiatry cases, reducing the need to refer children to psychiatry subspecialists. This ultimately improved access to outpatient child psychiatry care for Saskatchewan residents.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».