Validation d’une proposition de modules de formation numérique continue en prévention et contrôle des infections destinée aux infirmières dans un centre hospitalo-universitaire à Montréal
Bibliographic record
Abstract
La prévention et contrôle des infections (PCI) est un critère majeur pour qualifier la qualité de soins dans les services et contrôler les taux des infections nosocomiales. La formation continue demeure une des principales composantes de la prévention des infections. Malgré un intérêt pour la formation continue en PCI, des besoins à ce sujet ont été récemment exprimés par les professionnels de santé d’un établissement de santé. Cette étude qualitative descriptive a pour but de valider une proposition de modules de formation numérique continue en PCI destinées aux infirmières d’un établissement de santé à Montréal. Pour ce faire, trois entrevues de groupe ont été réalisées auprès de 8 participantes et une analyse thématique a été effectuée à partir de leurs verbatim. Quatre axes thématiques ont été dégagés, soit l’appréciation du plan de formation, les pistes d’amélioration du plan de formation, les retombées de la formation, ainsi que les barrières à la modification de la pratique clinique. Les résultats révèlent une appréciation du format numérique, de l’accessibilité et des stratégies d’enseignement choisies de la part des participantes. Des pistes d’amélioration ont également été formulées afin de bonifier le plan de formation initial.
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 | 0.073 | 0.189 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.003 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.004 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
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".