Text Message (SMS) Microlearning for Tobacco Use Disorder: Pre-Post Pilot Study of Clinician Confidence
Notice bibliographique
Résumé
Background: Clinicians are central to treating tobacco use disorder, yet practical training is inconsistent, and confidence varies. Brief, text message-based microlearning may offer a low-burden way to strengthen foundational competencies in busy clinical settings. Objective: This paper aims to evaluate whether a short SMS microlearning series improves clinicians' self-reported confidence in managing tobacco use disorder. Methods: We conducted a single-arm, pre-post educational pilot at an academic medical center. A brief formative survey (13 items; 106 respondents) identified local knowledge gaps and informed message topics and sequencing. The 13-day series delivered 1 concise message per day with key teaching points and links to curated resources. The prespecified primary outcome was self-reported confidence in managing tobacco use disorder (1-100 scale) measured immediately before and after the series. Of the 34 clinicians who signed up, 22 completed the baseline questionnaire and enrolled (attendings: n=4, 18%; trainees: n=18, 82%). Changes in confidence among participants with paired ratings were tested with a paired t test. Engagement with embedded links was recorded. Results: All enrolled participants completed the 13-day series; none unsubscribed. Postintervention confidence ratings were provided by 18 participants. Mean confidence increased from 60 (SD 16) at baseline to 85 (SD 10) after the series (t17=-10.71; P<.001). Embedded links were opened in 67% (178/266) of messages. Free-text feedback was predominantly positive and emphasized the convenience, clarity, and point-of-care usefulness of brief messages. Conclusions: A brief SMS microlearning series was associated with a substantial improvement in clinicians' confidence to manage tobacco use disorder, with high completion and evidence of engagement. This low-cost, scalable approach appears practical for busy clinicians. Findings should be interpreted cautiously given the single-arm design, self-selection, and reliance on self-reported confidence rather than objective knowledge or clinical outcomes. Future studies should include a validated knowledge assessment, a randomized comparison, broader sampling, and follow-up to assess durability and impact on care.
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 | 0,006 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».