Intubation Competence During Neonatal Fellowship Training
Notice bibliographique
Résumé
OBJECTIVES: To characterize neonatal-perinatal medicine fellows' progression toward neonatal intubation procedural competence during fellowship training. METHODS: Multi-center cohort study of neonatal intubation encounters performed by neonatal-perinatal medicine fellows between 2014 through 2018 at North American academic centers in the National Emergency Airway Registry for Neonates. Cumulative sum analysis was used to characterize progression of individual fellows' intubation competence, defined by an 80% overall success rate within 2 intubation attempts. We employed multivariable analysis to assess the independent impact of advancing quarter of fellowship training on intubation success. RESULTS: There were 2297 intubation encounters performed by 92 fellows in 8 hospitals. Of these, 1766 (77%) were successful within 2 attempts. Of the 40 fellows assessed from the start of training, 18 (45%) achieved procedural competence, and 12 (30%) exceeded the deficiency threshold. Among fellows who achieved competence, the number of intubations to meet this threshold was variable, with an absolute range of 8 to 46 procedures. After adjusting for patient and practice characteristics, advancing quarter of training was independently associated with an increased odds of successful intubation (adjusted odds ratio: 1.10; 95% confidence interval 1.07-1.14). CONCLUSIONS: The number of neonatal intubations required to achieve procedural competence is variable, and overall intubation competence rates are modest. Although repetition leads to skill acquisition for many trainees, some learners may require adjunctive educational strategies. An individualized approach to assess trainees' progression toward intubation competence is warranted.
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) | 0,001 | 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 ».