A Survey of Ultrasound Training in U.S. and Canadian Chronic Pain Fellowship Programs
Notice bibliographique
Résumé
OBJECTIVE: To assess the current state of ultrasound training in U.S. and Canadian Chronic Pain Fellowship programs. DESIGN: U.S. as well as Canadian chronic pain fellowship programs were contacted via email and program directors were asked to complete a survey. The surveys were completed online using a questionnaire. SETTING: Questionnaire via email. PATIENTS: None. INTERVENTIONS: None. OUTCOME: To assess the current state of ultrasound training in U.S. and Canadian Chronic Pain Fellowship programs. MEASURES: Current teaching structure, types, and numbers of ultrasound-guided interventional pain procedures. RESULTS: Thirty-one responses (30.7%) from the 97 U.S. and four Canadian programs surveyed. Of the 31 programs that responded, 26 offered ultrasound training; five did not. These 31 programs averaged 4.1 fellows per year, majority 96.2% of the 26 programs taught ultrasound throughout the fellowship year. The type of ultrasound training varied, with the large majority 96.2% being patient based. Among 26 programs, 96.2% used ultrasound for peripheral nerve blocks, 76.9% used ultrasound for non-axial musculoskeletal injections, and 53.8% used ultrasound for axial nerve blocks. CONCLUSIONS: Chronic pain fellowships were teaching ultrasound-guided procedures to their fellows. The majority of the fellowships offered ultrasound training throughout the fellowship year. A majority of training was accomplished via hands-on experience with patients. Chronic pain fellows were receiving a majority of ultrasound training for peripheral nerve blocks, followed by nonaxial musculoskeletal blocks, with few axial nerve blocks being taught.
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 | 0,022 | 0,003 |
| 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) | 0,000 | 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 ».