Launching the Advanced Trauma Operative Management (ATOM), Course in Trinidad and Tobago
Notice bibliographique
Résumé
Background: The Advanced Trauma Operative Management (ATOM) course which is aimed at improving penetrating trauma management skills is very challenging to conduct. We assessed the feasibility and potential impact of ATOM training in Trinidad and Tobago through the University of Toronto Global surgery initiative and its potential for improving penetrating trauma care in this developing country. Methods: Senior General Surgical trainees were randomly assigned to participate. Other participants consisted of: an experienced international ATOM course Director, one experienced ATOM instructor, an ATOM instructor candidate, an experienced ATOM veterinary medicine technologist, 2 veterinary medicine trainees, 8 senior general surgical trainees who completed the course using the 2 student to one faculty training model. Pre and post course self efficacy scores (a measure of confidence in surgical approach) and scores on multiple choice question exams (MCQ) were compared by paired t tests. The trainees completed 5-point Likert scales to assess different components of the course. Results: The course was successfully completed locally. Mean and SD self efficacy scores improved from 55.4 ± 18.5 to 80.5 ± 9.1 and MCQ improved from 63.0 ± 8.8 to 82.5 ± 9.6 (p Conclusions: Based on trainee course performance and their evaluations, there was significant improvement in trauma skills, knowledge and attitude with enthusiastic support for continuing the program, to improve penetrating trauma care locally and extending this training to other parts of the Caribbean.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».