Demonstration of a Longitudinal Medical Education Model (LMEM) Model to Teach Point-of-Care Ultrasound in Resource-Limited Settings
Notice bibliographique
Résumé
Background: Short-term medical missions prevail as the most common form of international medical volunteerism, but they are ill-suited for medical education and training local providers in resource-limited settings. Objective: The purpose of this study is to evaluate the effectiveness of a longitudinal educational program in training clinicians how to perform point-of-care ultrasound (POCUS) in resource-limited clinics. Design: A retrospective study of a four-month POCUS training program was conducted with clinicians from a rural hospital in Haiti. The model included one-on-one, in-person POCUS teaching sessions by volunteer instructors from the United States and Europe. The Haitian trainees were assessed at the start of the program and at its conclusion by a direct objective structured clinical examination (OSCE), administered by the visiting instructors, with similar pre- and post- program ultrasound competency assessments. Results: Post-intervention, a significant improvement in POCUS competency was observed across six different fundamental areas of ultrasound (p < 0.0001). According to our objective structured clinical examination (OSCE), the mean assessment score increased from 0.47 to 1.68 out of a maximum score of 2 points, and each trainee showed significant overall improvement in POCUS competency independent of the initial competency pre-training (p < 0.005). There was a statistically significant improvement in POCUS application for five of the six medically relevant assessment categories tested. Conclusion: Our results provide a proof-of-concept for the longitudinal education-centered healthcare delivery framework in a resource-limited setting. Our longitudinal model provides local healthcare providers the skills to detect and diagnose significant pathologies, thereby reducing avoidable morbidity and mortality at little or no addition cost or risk to the patient. Furthermore, training local physicians obviates the need for frequent volunteering trips, saving costs in healthcare training and delivery.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».