MétaCan
Menu
Retour à la cohorte
Enregistrement W2802127249 · doi:10.1002/aet2.10101

Point‐of‐care Resource Use in the Emergency Department: A Developmental Model

2018· article· en· W2802127249 sur OpenAlexafffund
Catherine Patocka, Michelle Lin, Jeremy Voros, Teresa M. Chan

Notice bibliographique

RevueAEM Education and Training · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensMcMaster UniversityMcMaster Divinity CollegeUniversity of Calgary
Organismes subventionnairesPhysicians' Services Incorporated FoundationMcMaster University
Mots-clésEmergency departmentAuditResource (disambiguation)Medical educationCoding (social sciences)Qualitative researchConceptual frameworkMedicinePsychologyKnowledge managementNursingComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Technologic advances, free open-access medical education (FOAM or #FOAMed), and social media have increased access to clinician-oriented medical education resources and interactions at the point of care (POC); yet, how, when, and why medical providers use these resources remains unclear. To facilitate the development and design of intuitive POC resources, it is imperative that we expand our understanding of physician knowledge-seeking behavior at the POC. METHODS: Individual semistructured interviews were conducted and analyzed using a qualitative, grounded theory approach. Twelve emergency medicine providers (three medical students, three residents, and six attending physicians) were interviewed in person or via video chat to explore how POC resources are used in the emergency department (ED). A coding system was developed by two investigators and merged by consensus. A third investigator audited the analysis. RESULTS: A conceptual framework emerged from the data describing the four main uses of POC resources (deep-dive, advanced clinical decision making, teaching patients, and teaching learners) and how practitioners' main use varied based on medical expertise. Junior learners prioritize their own broad learning. Experienced learners and physicians prefer to 1) seek answers to specific focused clinical questions and 2) disseminate POC information to teach patients and learners, allowing them to devote more of their time to other clinical and teaching tasks. CONCLUSION: The conceptual framework describes how physician knowledge-seeking behavior using POC resources in the ED evolves predictably throughout training and practice. Knowledge of this evolution can be used to enhance POC resource design and guide bedside teaching strategies.

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)0,005
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,003
Communication savante0,0030,004
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,352
Écart entre enseignants0,299 · 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'étudeSimulation ou modélisation
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

Citations31
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAEM Education and TrainingMême sujetInnovations in Medical EducationTravaux en français237 207