Point-of-care ultrasonography for the diagnosis of testicular torsion: a practical resident curriculum
Notice bibliographique
Résumé
Background: Prompt Doppler ultrasonography to aid in diagnosis is often key to managing testicular torsion, but there may be delays in access; a faster, more widely available alternative is point-of-care ultrasonography (POCUS). The purpose of this study was to develop and evaluate a scrotal POCUS curriculum for urology and emergency medicine residents. Methods: Content experts in urology, emergency medicine and diagnostic imaging collaborated in a modified Delphi method to design a practical didactic curriculum for scrotal POCUS for the identification of testicular torsion. Training included 3 online video teaching modules and a 1-hour hands-on teaching session with standardized adult patients. We evaluated participants' competency in scrotal POCUS using a validated scale. We assessed participants' knowledge, comfort and confidence in performing scrotal POCUS before and after the intervention and at 3 months. Results: Twenty-four urology (n = 12) and emergency medicine (n = 12) residents participated in the curriculum. After hands-on practice, 23 participants (96%) were deemed competent at scrotal POCUS. Pre-post testing showed significant improvement in knowledge (mean score 63% v. 80%, p < 0.001), comfort (mean Likert score 0.6 v. 3.6, p < 0.001) and confidence (mean Likert score 1.0 v. 2.1, p < 0.001) after the intervention. These effects were maintained at the 3-month assessment. Conclusion: The scrotal POCUS curriculum was effective and acceptable to both urology and emergency medicine residents. The findings suggest that scrotal POCUS can be learned effectively through a short hands-on session and didactic instruction.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 ».