MétaCan
Menu
Retour à la cohorte
Enregistrement W2003793897 · doi:10.1097/aap.0b013e318246f63c

The Creation of an Objective Assessment Tool for Ultrasound-Guided Regional Anesthesia Using the Delphi Method

2012· article· en· W2003793897 sur OpenAlexafffund
Jeffrey J. H. Cheung, Ewen W. Chen, Rosemin Darani, Colin J. L. McCartney, Adam Dubrowski, Imad T. Awad

Notice bibliographique

RevueRegional Anesthesia & Pain Medicine · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueSurgical Simulation and Training
Établissements canadiensUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesUniversity of Toronto
Mots-clésChecklistMedicineDelphiDelphi methodTrainerMedical physicsProcess (computing)Medical educationComputer scienceArtificial intelligencePsychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND OBJECTIVES: The assessment of technical skills in ultrasound-guided regional anesthesia is currently subjective and relies largely on observations of the trainer. The objective of this study was to develop a checklist to assess training progress and to detect training gaps in ultrasound-guided regional anesthesia using the Delphi method. METHODS: A 30-item checklist was developed and then e-mailed to 18 reviewers for feedback. The checklist was modified on the basis of their feedback. This process of iteration was repeated until no further feedback was received, and a consensus was reached on the final composition of the checklist. A global rating scale (GRS) was introduced as a result of the feedback. RESULTS: Three rounds of feedback were required to reach consensus on the composition of the checklist and the GRS. The final checklist contains 22 items, and the GRS contains 9 categories. CONCLUSIONS: Using the Delphi method, a checklist and GRS were developed. These tools can serve as an objective means of assessing progress in ultrasound technical skills acquisition.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,167
score de la tête « metaresearch » (Gemma)0,200
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,167
Score d'incertitude au seuil0,883

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1670,200
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0090,003
Études des sciences et des technologies0,0020,003
Communication savante0,0030,004
Science ouverte0,0020,007
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,082
Tête enseignante GPT0,400
Écart entre enseignants0,318 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations99
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRegional Anesthesia & Pain MedicineMême sujetSurgical Simulation and TrainingTravaux en français237 207