Quality Assurance for Point-of-Care Ultrasound in North American Pediatric Emergency Medicine Fellowships
Notice bibliographique
Résumé
OBJECTIVES: The American Academy of Pediatrics, the Society for Academic Emergency Medicine, and the American College of Emergency Physicians released a policy statement endorsing the use of point-of-care ultrasound (POCUS) by pediatric emergency medicine (PEM) providers. This statement specifically recommends that emergency departments have a credentialing and quality assurance (QA) program for POCUS. There is limited knowledge of how QA for POCUS is currently carried out in pediatric emergency departments with PEM training programs. METHODS: We sent a cross-sectional web-based survey to all 81 PEM fellowship-training programs in the United States and Canada between June 2016 and June 2017. RESULTS: Sixty-six of 81 programs (81.2%) responded. Sixty-five percent of responding PEM training programs had POCUS-trained faculty or a POCUS champion at their institution. Forty-six percent had a POCUS fellowship in their institution, with 10 programs having PEM-specific POCUS fellowships. Programs with POCUS fellowships were more likely to save all images, review all scans, review scans more frequently, provide feedback, and bill compared with programs without POCUS fellowships. CONCLUSIONS: Point-of-care ultrasound is growing in PEM fellowship-training programs, with a majority of programs now having faculty members trained or interested specifically in POCUS. Most programs prefer more frequent and thorough QA processes, and programs with POCUS fellowships are more likely to have more frequent and thorough QA processes.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».