ORIGINAL RESEARCH ARTICLE Performance improvement CME in psychiatry: implementing black
Notice bibliographique
Résumé
Objective. Performance improvement continuing medical education (PI CME) is a recent educational methodology designed better to link educational content and outcomes in the context of limitations in the effectiveness of traditional CME. This study examines the ease of use and effectiveness of psychiatric CME in a small hospital. Methods. All staff psychopharmacologists assessed their performance in providing informed consent of black box risks of prescribed psychiatric medica-tions in a 3-month period. Staff were educated regarding black box risks of all commonly prescribed psychiatric medications, and their performance in the following quarter was reassessed. Significance of change following the educa-tional intervention at 3 and 6 months was determined by Chi square analysis. Results. PI CME was clearly successful in supporting behaviour change, χ2(1, N=60) =20.86, p=0.000, far outstripping traditional CME efforts. Changes in behaviour persisted over time, χ2(1, N=61)=4.04, p=0.044. This PI CME event received the highest possible rating by CME participants, and took few staff resources to implement. Conclusions. PI CME is an educational technology that can be carried out, without significant burdens to participants or educators, in psychiatric departments of small hospitals. PI CME can be much more effective than traditional CME in bringing about desired behaviour change in psychiatrist behaviours. Hospital-based PI CME may have other benefits, such as meeting criteria for Maintenance of Certification.
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 | 0,008 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».