MétaCan
Menu
Retour à la cohorte
Enregistrement W2992423596 · doi:10.1002/aet2.10428

Geriatric Emergency Medicine Fellowships: Current State of Specialized Training for Emergency Physicians in Optimizing Care for Older Adults

2019· article· en· W2992423596 sur OpenAlexaffabout
Tony Rosen, Shan W. Liu, Lauren Cameron, Sunday Clark, Mary R. Mulcare, Kevin Biese, Phillip D. Magidson, Katren Tyler, Don Melady, Phraewa Thatphet, Thiti Wongtangman, Natalie M. Elder, Michael E. Stern

Notice bibliographique

RevueAEM Education and Training · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueEmergency and Acute Care Studies
Établissements canadiensSinai Health SystemUniversity of Toronto
Organismes subventionnairesNational Institute on Aging
Mots-clésCurriculumWorkforceMedical educationGeriatricsCore competencyMedicineHealth carePolitical sciencePsychologyPedagogyManagement

Résumé

récupéré en direct d'OpenAlex

Improving emergency department (ED) care for older adults is a critical issue in emergency medicine. Institutions throughout the United States and Canada have recognized the growing need for a workforce of emergency physician (EP) leaders focused on clinical innovation, education, and research and have developed specialized fellowship training in geriatric emergency medicine (GEM). We describe here the overview, structure, and curricula of these fellowships as well as successes and challenges they have encountered. Seven GEM fellowships are active in the United States and Canada, with five offering postresidency training only, one offering fellowship training during residency only, and one offering both. The backbone of the curriculum for all fellowships is the achievement of core competencies in various aspects of GEM, and each includes clinical rotations, teaching, and a research project. Evaluation strategies and feedback have allowed for significant curricular changes as well as customization of the fellowship experience for individual fellows. Key successes include an improved collaborative relationship with geriatrics faculty that has led to additional initiatives and projects and former fellows already becoming regional and national leaders in GEM. The most critical challenges have been ensuring adequate funding and recruiting new fellows each year who are interested in this clinical area. We believe that interest in GEM fellowships will grow and that opportunities exist to combine GEM fellowship training with a focus in research, administration, or health policy to create unique new types of highly impactful specialized training. Future research may include exploring former fellows' postfellowship experiences, careers, accomplishments, and contributions to GEM to better understand the impact of GEM fellowships.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,723
Score d'incertitude au seuil0,773

Scores Codex et Gemma par catégorie

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

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 Opus0,044
Tête enseignante GPT0,362
Écart entre enseignants0,317 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations13
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAEM Education and TrainingMême sujetEmergency and Acute Care StudiesTravaux en français237 207