Caring for Patients with Prenatal Alcohol Exposure: A Needs Assessment
Notice bibliographique
Résumé
BACKGROUND: Prenatal alcohol exposure (PAE) is the United States' most common preventable cause of birth defects and intellectual and developmental disabilities collectively referred to as Fetal Alcohol Spectrum Disorders (FASD). OBJECTIVES: This study was designed to identify gaps in pediatric providers' knowledge and practices regarding FASD patient identification, diagnosis, management and referral, and to inform needs-based FASD resource development. METHODS: Pediatric providers (pediatricians, trainees, nurse practitioners) were exposed to survey links embedded in newsletters electronically distributed to the membership of two national professional societies. Survey responses were compiled and analyzed using descriptive statistics. RESULTS: Of the 436 respondents, 71% were pediatricians and 88.2% suspected that a child in their practice could have an FASD. Only 29.2% of respondents felt "very comfortable" diagnosing or referring an individual with suspected FASD. Merely 11.5% were satisfied with their current FASD knowledge base and practice behaviour. Most respondents (89.6%) indicated online continuing education courses as preferred learning method and suggested their knowledge and practices would be best enhanced through FASD-specific diagnostic and referral checklists or algorithms, and patient education brochures and fact sheets. CONCLUSIONS: This study showed that few respondents were satisfied with their current FASD knowledge or practice behaviours. Continuing FASD education, particularly through online courses, was strongly desired. To maximize FASD recognition and optimize care for patients with FASDs, pediatric care providers must ensure that their FASD knowledge base, practice skills and provision of medical home care remain current.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».