An argument for using additional bedside tools, such as bedside ultrasound, for volume status assessment in hospitalized medical patients: A needs assessment survey
Notice bibliographique
Résumé
The frequency at which housestaff need to assess volume status on medical inpatients is unknown. In this brief report, we invited 39 housestaff, over 13 randomly selected dates, to complete a 25-item survey. Participants (n = 31, 79%) logged a total of 455 hours, reporting 197 pages or telephone requests received regarding medical inpatients. Of these, 41 pages (21%) required a volume status assessment. Participants reported their volume status assessment competency to be moderate (median score = 3, interquartile range = 3 to 4, where 1 = not competent to perform independently and 6 = above average competence). In 9 of the 41 assessments (22%), at least 1 barrier was reported in determining volume status. The most commonly reported barriers were conflicting physical examination findings (n = 8, 20%) and suboptimal patient examination (n = 5, 12%). Over 20% of pages regarding admitted medical patients required volume status assessments by medical housestaff. Despite moderate self-reported competence in the ability to assess volume status, barriers such as conflicting physical examination findings and suboptimal patient examinations were present in up to 20% of assessments. Therefore, we urge educators to consider incorporating bedside ultrasound training for volume status into the internal medicine curriculum.
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 | 0,046 | 0,239 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».