Pan-American League of Associations for Rheumatology (PANLAR) Recommendations and Guidelines for Musculoskeletal Ultrasound Training in the Americas for Rheumatologists
Notice bibliographique
Résumé
OBJECTIVE: To develop guidelines for Musculoskeletal Ultrasound (MSKUS) training for rheumatologists in the Americas. METHODS: A total of 25 Rheumatologists from 19 countries of the American Continent participated in a consensus-based interactive process (Delphi method) using 2 consecutive electronic questionnaires. The first questionnaire included the following: the relevance of organizing courses to teach MSKUS to Rheumatologists, the determination of the most effective educational course models, the trainee levels, the educational objectives, the requirements for passing the course(s), the course venues, the number of course participants per instructor, and the percentage of time spent in hands-on sessions. The second questionnaire consisted of questions that did not achieve consensus (>65%) in the first questionnaire, topics, and pathologies to be covered at each course MSKUS level. RESULTS: General consensus was obtained for MSKUS courses to be divided into 3 educational levels: basic, intermediate, and advanced. These courses should be taught using a theoretical-didactic and hands-on model. In addition, the group established the minimum requirements for attending and passing each MSKUS course level, the ideal number of course participants per instructor (4 participants/instructor), and the specific topics and musculoskeletal pathologies to be covered. In the same manner, the group concluded that 60% to 70% of course time should be focused on hands-on sessions. CONCLUSION: A multinational group of MSKUS sonographers using a consensus-based questionnaire (Delphi method) established the first recommendations and guidelines for MSKUS course training in the Americas. Pan-American League of Associations for Rheumatology urges that these guidelines and recommendations be adopted in the future by both national and regional institutions in the American continent involved in the training of Rheumatologists for the performance of MSKUS.
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 | 0,046 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,003 |
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 ».