Point-of-Care Ultrasound in Family Medicine Residencies 5-Year Update: A CERA Study
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 AND OBJECTIVES: In 2014, family medicine residency programs began to integrate point-of-care ultrasound (POCUS) into training, although very few had an established POCUS curriculum. This study aimed to evaluate the resources, barriers, and scope of POCUS training in family medicine residencies 5 years after its inception. METHODS: Questions regarding current training and use of POCUS were included in the 2019 Council of Academic Family Medicine Educational Research Alliance (CERA) survey of family medicine residency program directors, and results compared to similar questions on the 2014 CERA survey. RESULTS: POCUS is becoming a core component of family medicine training programs, with 53% of program directors reporting establishing or an established core curriculum. Only 11% of program directors have no current plans to add POCUS training to their program, compared to 41% in 2014. Despite this increase in training, the reported clinical use of POCUS remains uncommon. Only 27% of programs use six of the eight surveyed POCUS modalities more than once per year. The top three barriers to including POCUS in residency training in 2019 have not changed since 2014, and are (1) a lack of trained faculty, (2) limited access to equipment, and (3) discomfort with interpreting images without radiologist review. CONCLUSIONS: Training in POCUS has increased in family medicine residencies over the last 5 years, although practical use of this technology in the clinical setting may be lagging behind. Further research should explore how POCUS can improve outcomes and reduce costs in the primary care setting to better inform training for this technology.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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