FACTS Survey: Focused Assessment With Sonography in Trauma Use Among Canadian Residents Training in General Surgery
Notice bibliographique
Résumé
BACKGROUND: A survey of all Canadian residents training in general surgery was conducted to determine the prevalence and nature of focused assessment with sonography in trauma (FAST) training. METHODS: A cross-sectional survey of all 549 residents in 16 Canadian general surgery programs was administered using the Tailored Design Method between December 2008 and February 2009. RESULTS: With a response rate of 58.5% (321 of 549), the prevalence of FAST training among Canadian residents was 21.2% (95% confidence interval: 17.2-25.2). The median number of practice and patient examinations completed was 5 (interquartile range [IQR]: 2-10.5) and 11.5 (IQR: 1.75-50), respectively. Only 38.8% of residents with training felt comfortable making treatment decisions based on their FAST examinations. Those residents who were comfortable had completed more practice and patient examinations (median, 12.5 vs. 4, p = 0.001 and 30 vs. 4.5, p ≤ 0.001, respectively) and were less likely to have didactic only training (7.7% vs. 19.5%, p = 0.002). Most residents (80%) indicated that they would need 20 practice examinations or more (median, 30 examinations; IQR, 20-40) before they would feel comfortable. Residents with FAST training were more likely to be from a program that offered FAST training (54.5% vs. 10%, p ≤ 0.001) and were less likely to perceive a turf war with other specialties over FAST use (29.9% vs. 48.2%, p = 0.007). CONCLUSIONS: The situation with FAST training in Canada seems inadequate with few general surgery residents being trained, and of those trained, only a few are comfortable with the technique. If FAST skills are to be expected of future surgeons, initiatives must be put in place to address barriers and improve training opportunities.
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 | 0,002 | 0,001 |
| 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 | 0,000 |
| 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) | 0,000 | 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 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 ».