A dignitary medicine curriculum developed using a modified Delphi methodology
Notice bibliographique
Résumé
BACKGROUND: Dignitary medicine is an emerging field of training that involves the specialized care of diplomats, heads of state, and other high-ranking officials. In an effort to provide guidance on training in this nascent field, we convened a panel of experts in dignitary medicine and using the Delphi methodology, created a consensus curriculum for training in dignitary medicine. METHODS: A three-round Delphi consensus process was performed with 42 experts in the field of dignitary medicine. Predetermined scores were required for an aspect of the curriculum to advance to the next round. The scores on the final round were used to determine the components of the curriculum. Scores below the threshold to advance were dropped in the subsequent round. RESULTS: Our panel had a high degree of agreement on the required skills needed to practice dignitary medicine, with active practice in a provider's baseline specialty, current board certification, and skills in emergency care and resuscitation being the highest rated skills dignitary medicine physicians need. Skills related to vascular and emergency ultrasound and quality improvement were rated the lowest in the Delphi analysis. No skills were dropped from consideration. CONCLUSIONS: The results of our work can form the basis of formal fellowship training, continuing medical education, and publications in the field of dignitary medicine. It is clear that active medical practice and knowledge of resuscitation and emergency care are critical skills in this field, making emergency medicine physicians well suited to practicing dignitary medicine.
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 | 0,002 | 0,004 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».