Obstetrical transfusion medicine knowledge among faculty and trainee obstetricians: a prospective knowledge assessment study
Notice bibliographique
Résumé
OBJECTIVES: To evaluate the current state of transfusion medicine (TM) knowledge among obstetricians using a valid assessment tool. BACKGROUND: Transfusion issues are common in obstetrical patients. METHODS: Knowledge topics were identified and rated by experts in obstetrics, anaesthesia, haematology and TM using a modified Delphi method. A knowledge assessment tool was developed and validated during pilot testing. The assessment tool, consisting of 15 multiple choice questions, was administered electronically to members of the Society of Obstetricians and Gynaecologists of Canada (SOGC). RESULTS: A total of 192 SOGC members completed the assessment tool: 121 faculty obstetricians and 71 trainees. The average score was 65·8% ± 15·5. Scores for faculty were higher than trainees (68·9% ± 13·5 vs 60·6% ± 17·2; P < 0·001). Respondents performed well on questions related to red blood cell (RBC) transfusion and anaemia management but had lower scores on questions related to non-RBC transfusion and management of alloantibodies and fetomaternal haemorrhage (FMH) testing. There was no improvement in scores with increasing trainee level, years of practice, hours of formal TM training or experience with massive haemorrhage. Only self-rated knowledge was associated with scores ['no knowledge' or 'beginner' 63·1% ± 15 vs 'intermediate' or 'advanced' 68·9% ± 13·3 (P = 0·007)]. Of the respondents, 93·8% felt additional training in TM would be helpful. CONCLUSIONS: Overall knowledge assessment scores indicate the need for educational intervention, particularly with respect to non-RBC blood product use, management of FMH and management of pregnancies complicated by alloantibodies. The study also demonstrated a desire for additional TM training.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,002 | 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 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 ».