Point-of-care ultrasound as a competency for general internists: a survey of internal medicine training programs in Canada
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: Point-of-care ultrasound (POCUS) is increasingly used on General Internal Medicine (GIM) inpatient services, creating a need for defined competencies and formalized training. We evaluated the extent of training in POCUS and the clinical use of POCUS among Canadian GIM residency programs. METHOD: Internal Medicine trainees and GIM Faculty at the University of Toronto were surveyed on their clinical use of POCUS and the extent of their training. We separately surveyed Canadian IM Program Directors and Division Directors on the extent of POCUS training in their programs, barriers in the implementation of POCUS curricula, and recommendations for POCUS competencies in IM. RESULTS: A majority of IM trainees (90/118, 76%) and GIM Faculty (15/29, 52%) used POCUS clinically. However, the vast majority of resident (111/117, 95%) and GIM Faculty (18/28, 64%) had received limited training. Of the Program Leaders surveyed, half (9/17, 53%) reported POCUS clinical use by their trainees; however only one quarter (4/16, 25%) reported offering formal curricula. Most respondents agreed that POCUS training should be incorporated into IM residency curricula, specifically for procedural guidance. CONCLUSIONS: A considerable discrepancy exists between the clinical use of POCUS and the extent of formal training among Canadian IM residents and GIM Faculty. We propose that formalized POCUS training should be incorporated into IM residency programs, GIM fellowships, and Faculty development sessions, and identify POCUS skills that could be incorporated into future IM curricula.
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 | 0,001 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,006 | 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