MétaCan
Menu
← Retour à la cohorte
Enregistrement W2762751036 · doi:10.1093/pch/pxx086.080

EVALUATION OF THE IMPACT OF A PAEDIATRIC GAIT, ARMS, LEGS AND SPINE (PGALS) PHYSICAL EXAMINATION WORKSHOP ON THIRD-YEAR MEDICAL STUDENTS’ CONFIDENCE IN PERFORMING PEDIATRIC MUSCULOSKELETAL EXAMINATIONS

2017· article· en· W2762751036 sur OpenAlexaff
Miss Hin Wing Chan, E Forgie, Ramona Clark, Y Yuan, K. Forbes

Notice bibliographique

RevuePaediatrics & Child Health · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueMusculoskeletal Disorders and Rehabilitation
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedicineConfidence intervalPhysical therapyPhysical examinationTest (biology)SurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Musculoskeletal (MSK) complaints in children account for up to 30% of visits to primary care providers. Studies show that delays in appropriate care for children with MSK complaints may be related to a lack of confidence in primary care providers performing paediatric MSK physical examinations. This may be due to the fact that examining the MSK system in children is under taught in medical school, and physical examination of the joints is uncommonly documented by trainees. The paediatric Gait, Arms, Legs, Spine (pGALS) examination is a quick MSK screening examination validated for use in school-aged children to discern normal from abnormal joints. It was introduced as a mandatory workshop during the 2015-16 paediatric clerkship for third-year medical students at our center. OBJECTIVES: To assess the impact of a pGALS workshop on medical students’ confidence in performing paediatric MSK examinations. DESIGN/METHODS: Students were invited to complete a pre-workshop questionnaire pertaining to baseline knowledge, prior learning, and confidence in examining childrens joints alone and compared to other body systems exams. Students completed a second confidence questionnaire at the end of their rotation,and again 6 months afterwards, to evaluate changes in confidence and whether they continued to use these skills.Paired t-test was used to compare confidence in performing MSK exam between pre- and post- workshop and between pre- and 6 months post workshop. RESULTS: During the 2015-16 academic year, 127 third-year medical students completed the baseline questionnaire. Mean confidence at baseline was 1.87 (CI 1.71, 2.01) on a 4-point Likert scale (1=not at all, 2=confident in some aspects, 3=confident in most aspects, 4=very confident). Following the rotation, mean confidence increased to 2.86 (CI 2.75, 2.96) representing a 53% increase inmean confidence ratings (p=0.00). Six-month follow-up data for the first three cohorts of students demonstrates a mean confidence of 2.45 (CI 2.13, 2.77), a 31% increase in mean confidence (p=0.031) from baseline. During the pediatrics clerkship, 82/141 (58%) students used pGALS after the workshop. Six months after the pediatrics clerkship, 12/33 (36%) students had used pGALS in various settings (ER, wards, clinics) for MSK and non-MSK complaints. CONCLUSION: Students report low levels of confidence in performing pediatric MSK physical examinations. The pGALS workshop significantly increased their confidence; this waned after 6 months, but remained above baseline confidence. Recurrent opportunities to practice and be assessed on these skills would likely be beneficial to sustain learners confidence so that they may integrate this into ongoing clinical care.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,381
Écart entre enseignants0,359 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePaediatrics & Child Health→Même sujetMusculoskeletal Disorders and Rehabilitation→Travaux en français237 207→