Interprofessional Collaborator Curriculum
Notice bibliographique
Résumé
Background: Physicians are often expected to participate with teams of health professionals; however, postgraduate training infrequently includes interprofessional (IP) or team training. Purpose: This curriculum was developed to demonstrate the knowledge, skills and attitudes which lead to successful IP collaboration. Curriculum: During a four-week geriatrics rotation, medicine interns complete a fifty-minute, in-person, multimedia lecture to introduce the IP collaborator concept and the Canadian and American IP competency frameworks. The IP pocket card is demonstrated and interns complete a guided, team-meeting video observation exercise. Using a Survey Monkey, narrative reporting tool, interns analyze team competencies that they observe or initiate during geriatrics team meetings during the rotation. They report on two interactions. They complete a closing Survey Monkey questionnaire and have an in-person debriefing. Results: We will have quantitative and qualitative data on interns’ recognition of IP collaborator competencies. Conclusion: Recognition of IP collaborator competencies will provide a framework for improving health professional effectiveness for systems-based care. Relevance to IP education or practice: Disseminating IP competencies. Learning Objectives: 1. The audience will be able to describe a new strategy for teaching IP competencies to health professionals. 2. The audience will become aware of a new method for combining the Canadian and American IP competencies. Todd James, MD, FACP Assistant Professor of Clinical Medicine Indiana University School of Medicine, Geriatrics Faculty Office Building, Floor 2 720 Eskenazi Avenue Indianapolis, IN 46202 Phone: 317-880-6582 Fax: 317-880-0332 Email: tojames@iu.edu
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,007 | 0,012 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».