Experiencia en capacitación de champions de la evidencia a través de E-learnings
Bibliographic record
Abstract
Introducción: La incorporación de Guías de Mejores Prácticas Clínicas de Registered Nurses’ Association of Ontario, es reconocida como un invaluable aporte a la enfermería y así también se ha comprobado su contribución sin duda a la disminución de la variabilidad en la atención y seguridad de los pacientes. Es un reto incluir en los procesos de capacitación al personal de enfermería el uso de estrategias de aprendizaje E-learnings que permitan ampliar coberturas en la capacitación y obtener resultados adecuados. Objetivo: Presentar la experiencia y reflexiones respecto a la capacitación de champions de la evidencia, a través de la estrategia de aprendizaje E-learnings, en el personal de enfermería de la Clínica Las Condes de Chile sobre la implementación de guías de práctica clínica. Discusión y Conclusiones: Con base en la educación continua por fases, se tuvo en cuenta inicialmente la Guía de Práctica Clínica de Prevención de Úlceras por Presión y posteriormente la Guía de Práctica Clínica Registered Nurses’ Association of Ontario de Manejo de accesos vasculares; se contó con la participación aproximada de 900 colaboradores, de los cuales son enfermeros cerca de 550. Se observó que después de la capacitación, haciendo uso de la plataforma E-learning de enseñanza, no hubo diferencias en el aprendizaje entre los grupos instruidos bajo metodología E-learning versus metodología presencial. [Díaz-Fluhmann M, Belmar-Valdebenito A. Experiencia en capacitación de champions de la evidencia a través de E-learnings. MedUNAB 2017; 20(2): 207-214].
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.020 | 0.053 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.006 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".