Ultrasound credentialing in North American emergency department systems with ultrasound fellowships: a cross-sectional survey
Notice bibliographique
Résumé
OBJECTIVE: To describe the credentialing systems of North American emergency department systems (EDS) with emergency ultrasound (EUS) fellowship programmes. METHODS: This is a prospective, cross-sectional, survey-based study of North American EUS fellowships using a 62-item, pilot-tested, web-based survey instrument assessing credentialing and training systems. The American College of Emergency Physicians (ACEP) distributed the surveys using SNAP survey (Snap Surveys Ltd, Portsmouth, New Hampshire, USA). RESULTS: Over 6 months, 75 eligible programmes were surveyed, 55 responded (73% response rate); 1 declined to participate leaving 54 participating programmes. Less than 20% of EDS credential nurses, physician assistants, nurse practitioners and students in EUS. Respondent EDS reported having an average of 4.2 ± 3.3 ultrasound faculty members (faculty identifying their career focus as EUS). The median number of annual point-of-care ultrasounds reported was 5000 (IQR 3000-8000). 30 EDS (56%) credential each examination individually and 48 EDS (89%) use ACEP credentialing criteria. 61% of fellowship leadership believe their credentialing system is either satisfactory or very satisfactory (Cronbach's coefficient α=0.84). CONCLUSIONS: The data show heterogeneity among North American EDS with EUS fellowship programmes with regard to credentialing systems despite published guidelines from the ACEP and Canadian Emergency Ultrasound Society.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».