Barriers to learning and using point-of-care ultrasound: a survey of practicing internists in six North American institutions
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 in internal medicine, but a lack of trained faculty continues to limit the spread of POCUS education. Using a framework based on organizational change theories, this study sought to identify barriers and enablers for hospital-based practicing internists to learn and use POCUS in clinical practice. METHODS: We invited practicing internists at six North American institutions to participate in an electronic survey on their opinions regarding 39 barriers and enablers. RESULTS: Of the 342 participants invited, 170 participated (response rate 49.3%). The top barriers were lack of training (79%), lack of handheld ultrasound devices (78%), lack of direct supervision (65%), lack of time to perform POCUS during rounds (65%), and lack of quality assurance processes (53%). The majority of participants (55%) disagreed or strongly disagreed with the statement "My institution provides funding for POCUS training." In general, participants' attitudes towards POCUS were favourable, and future career opportunities and the potential for billing were not considered significant factors by our participants in the decision to learn or use POCUS. CONCLUSIONS: This survey confirms the perceived importance of POCUS to practicing internists. To assist in closing faculty development gap, interventions should address training, supervision, quality assurance processes, availability of handheld devices, as well as dedicated time to perform POCUS during clinical care.
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 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle