MétaCan
Menu
Retour à la cohorte
Enregistrement W3115123278 · doi:10.1002/mus.27163

Neuromuscular ultrasound competency assessment: Consensus‐based survey

2020· article· en· W3115123278 sur OpenAlexaff
Eman A. Tawfik, Michael S. Cartwright, Alexander Grimm, Andrea J. Boon, Antonios Kerasnoudis, David C. Preston, Einar Wilder‐Smith, Hubertus Axer, Lisa D. Hobson‐Webb, Nens van Alfen, Nicholas Crump, Nortina Shahrizaila, Peter Inkpen, Ross Mandeville, Sarada Sakamuri, Steven J. Shook, Susan Shin, Francis O. Walker

Notice bibliographique

RevueMuscle & Nerve · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound in Clinical Applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésDelphi methodMedicineMedical physicsDelphiSpecialtyQuality assessmentUltrasoundNominal group techniqueMedical educationCompetency assessmentPhysical therapyPhysical medicine and rehabilitationKnowledge managementFamily medicineComputer sciencePathologyExternal quality assessmentArtificial intelligenceRadiology

Résumé

récupéré en direct d'OpenAlex

Neuromuscular ultrasound is a rapidly evolving specialty with direct application for patient care. Competency assessment is an essential standard needed to ensure quality for practitioners, particularly for those newly acquiring skills with the technique. Our aim was to survey experts' opinions regarding physician competency assessment of neuromuscular ultrasound and to identify minimal competency of knowledge and skills. The opinions of 18 experts were obtained through the Delphi method using two consecutive electronic surveys. A high degree of consensus was achieved on items regarding framework and the conduct of neuromuscular ultrasound assessment and the knowledge and skills that a candidate needs to attain minimal competency in neuromuscular ultrasound. In this study, a group of neuromuscular ultrasound experts developed a general framework for neuromuscular ultrasound competency assessment and recommended testable areas of knowledge and skills suitable for establishing minimal competency.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,166
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,078
Tête enseignante GPT0,346
Écart entre enseignants0,268 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMuscle & NerveMême sujetUltrasound in Clinical ApplicationsTravaux en français237 207