MétaCan
Menu
← Retour à la cohorte
Enregistrement W4410824221 · doi:10.2196/69963

Impact of Training and Education Programs for Health Care Professionals on Video and Text-Based Meetings in Ensuring Health Care Quality: Protocol for a Scoping Review

2025· review· en· W4410824221 sur OpenAlexvenueno aff
Md Shafiqur Rahman Jabin, Evalill Nilsson

Notice bibliographique

RevueJMIR Research Protocols · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreprintHealth careProtocol (science)Quality (philosophy)Medical educationHealth professionalsMultimediaComputer scienceMedicineWorld Wide WebAlternative medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The use of video meetings and text-based meetings has surged and emerged as a critical tool in health care. These tools offer many benefits, such as patient prescreening, counseling services, remote patient tracking, and monitoring. With the increasing demand for technologies, health care professionals require training and educational competency development to sustain in the modern digital age. This necessitates synthesizing evidence about the existing training programs in arranging and regulating such meetings, the implementation, and reassurance about the effectiveness of these digital health meetings. OBJECTIVE: The synthesis will also uncover what training programs for health care professionals to conduct video and text-based meetings are available, and if so, how they were implemented and their impacts from the perspectives of the organization, the staff, and the patients. METHODS: The review will follow the Joanna Briggs Institute (JBI) methodology. The published studies will be searched in APA PsycInfo, PubMed, and CINAHL, and the unpublished studies through Mednar, Trove, OCLC WorldCat, Dissertations, and Theses. Studies published in English from 2003 will be considered. This review will include studies of health care professionals trained to communicate online with patients or service users, health care professionals, and health care organizations. The concept will involve online communication, such as conducting video and text-based meetings (emails, chats, and web portals), and the context will consider studies based on health care, hospitals or clinics, and primary care. A broad scope of evidence, including quantitative, qualitative, text, and opinion studies, will be considered. A total of 2 independent reviewers will screen the titles and abstracts and review the full text. Data will be extracted from the included studies using a data extraction tool developed for this study. RESULTS: The results will be presented in a PRISMA-ScR (Preferred Reporting Items for Systematic Reviews and Meta-Analyses extension for Scoping Reviews) flow diagram. A draft charting table will be developed as a data extraction tool. The results will be presented as a "map" of the data in a logical, diagrammatic, or tabular form and a descriptive format. This protocol was first developed by the principal author at Linnaeus University in April 2022; however, a full search was undertaken in August 2024 as part of research development at the University of Bradford. CONCLUSIONS: The review will identify the knowledge gaps, clarify the concepts, examine emerging evidence, and thus make recommendations for future research on video consultation and text-based meetings. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/69963.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,139
score de la tête « metaresearch » (Gemma)0,132
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,139
Score d'incertitude au seuil0,734

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1390,132
Méta-épidémiologie (sens strict)0,0070,005
Méta-épidémiologie (sens large)0,0170,023
Bibliométrie0,0190,021
Études des sciences et des technologies0,0060,006
Communication savante0,0100,009
Science ouverte0,0060,008
Intégrité de la recherche0,0100,008
Charge utile insuffisante (le modèle a refusé de juger)0,0550,009

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.

Tête enseignante Opus0,600
Tête enseignante GPT0,757
Écart entre enseignants0,157 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreProtocole

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Research Protocols→Même sujetTelemedicine and Telehealth Implementation→Travaux en français237 207→