Self‐directed learning of basic musculoskeletal ultrasound among rheumatologists in the United States
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: Because musculoskeletal ultrasound (MSUS) is highly user dependent, we aimed to establish whether non-mentored learning of MSUS is sufficient to achieve the same level of diagnostic accuracy and scanning reliability as has been achieved by rheumatologists recognized as international experts in MSUS. METHODS: A group of 8 rheumatologists with more experience in MSUS and 8 rheumatologists with less experience in MSUS participated in an MSUS exercise to assess patients with musculoskeletal abnormalities commonly seen in a rheumatology practice. Patients' established diagnoses were obtained from chart review (gout, osteoarthritis, rotator cuff syndrome, rheumatoid arthritis, and seronegative arthritis). Two examining groups were formed, each composed of 4 less experienced and 4 more experienced examiners. Each group scanned 1 predefined body region (hand, wrist, elbow, shoulder, knee, or ankle) in each of 8 patients, blinded to medical history and physical examination. Structural abnormalities were noted with dichotomous answers, and an open-ended answer was used for the final diagnosis. RESULTS: Less experienced and more experienced examiners achieved the same diagnostic accuracy (US-established diagnosis versus chart review diagnosis). The interrater reliability for tissue pathology was slightly higher for more experienced versus less experienced examiners (kappa = 0.43 versus kappa = 0.34; P = 0.001). CONCLUSION: Non-mentored training in MSUS can lead to the achievement of diagnostic accuracy in MSUS comparable to that achieved by highly experienced international experts. Reliability may increase slightly with additional experience. Further study is needed to determine the minimal training requirement to achieve proficiency in MSUS.
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.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,000 | 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 découle