Comparative effectiveness of educational interventions in neurological disease for healthcare workers and students: a systematic review.
Notice bibliographique
Résumé
OBJECTIVES: To assess the comparative effectiveness of educational interventions in neurological disease for healthcare workers and students. DESIGN: Systematic review. DATA SOURCES: Medline, Embase and Cochrane through to 1 June 2025. ELIGIBILITY CRITERIA: Studies evaluating neurological disease educational interventions with a comparator group (observational cohort/randomised controlled trial (RCT)) were included. DATA EXTRACTION AND SYNTHESIS: A Preferred Reporting Items for Systematic Reviews and Meta-Analyses-compliant systematic review was conducted (PROSPERO: CRD42023461838). Knowledge acquisition and educational methodologies were collected from each study. Study outcomes were classified using the Kirkpatrick and Kirkpatrick four-level model (learner reaction, knowledge acquisition, behavioural change, clinical outcome).1 Risk of bias was assessed using the Newcastle-Ottawa scale for non-randomised studies and the Cochrane Risk of Bias tool for RCTs.2 3 RESULTS: A total of 67 studies involving 4728 participants were included. Of these, 36 were RCTs, and 31 were observational studies. Virtual interventions were the most common (67.2%, n=45 studies), primarily targeting either medical students (46.3%, n=31 studies) or specialists (40.3%, n=27 studies). Overall, 70.1% (n=47) of studies demonstrated outcomes in favour of the intervention. However, few studies used K&K level 3/4 outcomes, with two studies evaluating behaviour change (level 3) and three assessing clinical outcomes (level 4 combined with other levels). No study exclusively assessed level 4 outcomes. Meta-analysis of 22 RCTs with calculable standardised mean differences (SMDs) (n=1748) showed a significant benefit of interventions (SMD 0.75, 95% CI 0.22 to 1.27, p=0.0056). CONCLUSIONS: This review highlights a growing body of research particularly focusing on virtual techniques, specialist audiences and treatment-oriented content. Few studies assessed changes in practice or patient care. Non-specialists remain underrepresented. Future studies should prioritise assessing the clinical impact of educational interventions within non-specialist audiences.
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 | 0,000 | 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) | 0,000 | 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 ».