Using Texting for Clinical Communication in Surgery: A Survey of Academic Staff Surgeons
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Text messaging has become ubiquitous and is being increasingly used within the health care system. The purpose of this study was to understand texting practices for clinical communication among staff surgeons at a large academic institution. METHODS: Staff surgeons in 4 subspecialties (vascular, plastics, urology, and general surgery) were surveyed electronically. RESULTS: A total of 62 surgeons from general surgery (n = 33), vascular surgery (n = 6), plastic surgery (n = 13), and urology (n = 10) completed the study (response rate 30%). When conveying urgent patient-related information, staff surgeons preferred directly calling other staff surgeons (61.5%) and trainees (58.8%). When discussing routine patient information, staff surgeons used email to reach other staff surgeons (54.9%) but preferred texting (62.7%) for trainees. The majority of participants used texting because it is fast (65.4%), convenient (69.2%) and allows transmitting information to multiple recipients simultaneously (63.5%). Most felt that texting enhances patient care (71.5%); however, only half believed that it enhanced trainees' educational experiences. The majority believed that texting identifiable patient information breaches patient confidentiality. CONCLUSIONS: Our data showed high adoption of text messaging for clinical communication among surgeons, particularly with trainees. The majority of surgeons acknowledge security concerns inherent in texting for patient care. Existing mobile communication platforms fail to meet the needs of academic surgeons. Further research should include guidelines related to texting in clinical practice, educational implications of texting, and technologies to better meet the needs of clinicians working in an academic surgical settings.
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.
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 | 0,020 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 découle