Resident Use of the Internet, E-Mail, and Personal Electronics in the Care of Surgical Patients
Notice bibliographique
Résumé
BACKGROUND: The use of smartphones, e-mail, and the Internet has affected virtually all areas of patient care. Current university and hospital policies concerning the use of devices may be incongruent with day-to-day patient care. PURPOSE: The goal was to assess the current usage patterns of the Internet, e-mail, and personal electronics for clinical purposes by surgical residents as well as their communication habits and preferences. Also assessed was residents' knowledge regarding the institutional policies surrounding these issues. METHODS: Surgical residents (n = 294) at a large teaching institution were surveyed regarding their knowledge of university policies as well as daily use of various communication technologies. Communication preferences were determined using theoretical clinical scenarios. RESULTS: Our survey with a response rate of 54.7% (n = 161) revealed that 93.8% of participants indicated daily Internet use for clinical duties. Most respondents (72%) were either completely unaware of the existence of guidelines for its use or aware but had no familiarity with their content. Use of e-mail for clinical duties was common (85%), and 74% of the respondents rated e-mail as "very important" or "extremely important" for patient care. Everyone who responded had a mobile phone with 98.7% being "smartphones," which the majority (82.9%) stated was "very important" or "extremely important" for patient care. Text messaging was the primary communication method for 57.8% of respondents. The traditional paging system was the primary communication method for only 1.3% of respondents and the preferred method for none. CONCLUSIONS: Daily use of technology is the norm among residents; however, knowledge of university guidelines was exceedingly low. Residents need better education regarding current guidelines. Current guidelines do not reflect current clinical practice. Hospitals should consider abandoning the traditional paging system and consider facilitating better use of residents' mobile phones.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».