International Survey of Emergency Physicians’ Awareness and Use of the Canadian Cervical‐Spine Rule and the Canadian Computed Tomography Head Rule
Notice bibliographique
Résumé
OBJECTIVES: The derivation and validation studies for the Canadian Cervical-Spine (C-Spine) Rule (CCR) and the Canadian Computed Tomography (CT) Head Rule (CCHR) have been published in major medical journals. The objectives were to determine: 1) physician awareness and use of these rules in Australasia, Canada, the United Kingdom, and the United States and 2) physician characteristics associated with awareness and use. METHODS: A self-administered e-mail and postal survey was sent to members of four national emergency physician (EP) associations using a modified Dillman technique. Results were analyzed using repeated-measures logistic regression models. RESULTS: The response rate was 54.8% (1,150/2,100). Reported awareness of the CCR ranged from 97% (Canada) to 65% (United States); for the CCHR it ranged from 86% (Canada) to 31% (United States). Reported use of the CCR ranged from 73% (Canada) to 30% (United States); for the CCHR, it was 57% (Canada) to 12% (United States). Predictors of awareness were country, type of rule, full-time employment, younger age, and teaching hospital (p < 0.05). Significant differences in use of the CCR by country were observed, but not for the CCHR. Teaching hospitals were more likely to use the CCR than nonteaching hospitals, but less likely to use the CCHR. CONCLUSIONS: This large international study found notable differences among countries with regard to knowledge and use of the CCR and CCHR. Awareness and use of both rules were highest in Canada and lowest in the United States. While younger physicians, those employed full-time, and those working in teaching hospitals were more likely to be aware of a decision rule, age and employment status were not significant predictors of use. A better understanding of factors related to awareness and use of emergency medicine (EM) decision rules will enhance our understanding of knowledge translation and facilitate strategies to enhance dissemination and implementation of future rules.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».