Education Research: An experiential outpatient teleneurology curriculum for residents
Notice bibliographique
Résumé
OBJECTIVE: Telemedicine is rapidly becoming a major vehicle of delivering neurologic care to patients who have limited access to subspecialists and exaggerated travel hardship. However, neurology residents receive little to no training in telemedicine in outpatient clinics. METHODS: We piloted, to our knowledge, the first formalized, experiential outpatient teleneurology curriculum. Neurology residents in their third and fourth postgraduate years (PGY3 and PGY4) at the University of California San Francisco completed an interactive lecture and 4 weeks of teleneurology clinics at the San Francisco Veterans Affairs Medical Center. Change in residents' telemedicine knowledge and perspectives on the utility, challenges, benefits, and future practice implementation of teleneurology were evaluated in 11 residents using precurriculum and postcurriculum quizzes and surveys after 2 of 4 weeks on the rotation. RESULTS: 0.04). All residents felt more competent using telemedicine for patient care in their eventual career. CONCLUSION: Our formal didactic and clinic-based teleneurology curriculum for neurology residents, which shared core themes suggested by the 2017 American Academy of Neurology Telemedicine Work Group's published recommendations, showed a statistically significant improvement in knowledge and perspectives about the promise and limitations of teleneurology practice, as well as increased comfort levels in future implementation.
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 | 0,000 | 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 ».