Building point-of-care ultrasound capacity in rural emergency departments: An educational innovation
Notice bibliographique
Résumé
INTRODUCTION: Point-of-care ultrasound (POCUS) use is the standard of care in emergency medicine (EM), but rural physicians face barriers to obtaining and retaining this skill and cite low confidence in their use of POCUS. Without access to high-quality educational opportunities, this important clinical tool may not be used to its full potential in rural hospitals. The Hands-On Ultrasound Education (HOUSE) programme, launched in 2015 by the University of British Columbia's (BC) Division of Rural Continuing Professional Development, is a rurally focused POCUS training and education programme that travels to rural and remote communities and aims to build a rural POCUS community of practice within BC. In this study, we present and evaluate the HOUSE programme. METHODS: year of the programme to assess participant experience and programme outcomes. RESULTS: Results from 52 semi-structured interviews indicate that there is a significant increase in self-reported confidence on specific POCUS applications and increased POCUS use after completion of the course, and we report positive experiences with the HOUSE programme. CONCLUSION: By providing a customizable, accessible, hands-on training opportunity, the HOUSE programme removes barriers to POCUS training and education for physicians in rural and remote BC. The rurally focused elements have contributed to education for rural participants that demonstrates increased confidence and the use of POCUS as a clinical tool.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,003 | 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 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 ».