Point-of-care ultrasound in urology: Design and evaluation of a feasible introductory training program for Canadian residents
Notice bibliographique
Résumé
INTRODUCTION: Point-of-care ultrasound (POCUS) is an increasingly used bedside tool. Applications in urology include the assessment of an undifferentiated acute scrotum, renal colic, and the guidance of suprapubic catheter placement. However, the user-dependent nature of this modality necessitates appropriate use and competence. The objective of this study was to develop and evaluate a low-cost, feasible, and guideline-based introductory POCUS program for Canadian urology residents. METHODS: Residents from McMaster University's urology program completed a three-hour online course, followed by a three-hour hands-on seminar. Course material was developed by ultrasound educators based on national guidelines. Low-cost testicular phantoms and suprapubic catheter insertion models were constructed. Pre- and post-course surveys focused on participant skill confidence, while multiple-choice questionnaires assessed theoretical knowledge. RESULTS: Fourteen residents participated in the course. Theoretical knowledge in POCUS improved significantly (p<0.001, d=2.2) and mean confidence scores improved for all skills, including performing kidney, bladder, and testicular POCUS (all p<0.001; d=3.4, 1.9, 2.9, respectively). Participants indicated that the course increased their confidence and likelihood of using POCUS in clinical practice, and that POCUS training should be integrated into urology training curricula. CONCLUSIONS: This novel study included the development of an inexpensive, feasible, guideline-based introductory training program for urological POCUS, developed in collaboration with ultrasound educators. Participants significantly improved in theoretical knowledge and skill confidence. Although this study was limited to one residency program, the basis of this course may serve as a foundation for the development of competency-based training for urological POCUS in Canada.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».