Critical care ultrasound training: a survey exploring the “education gap” between potential and reality in Canada
Notice bibliographique
Résumé
BACKGROUND: Critical care ultrasound (CCUS) is now a core competency for Canadian critical care medicine (CCM) physicians, but little is known about what education is delivered, how competence is assessed, and what challenges exist. We evaluated the Canadian CCUS education landscape and compared it against published recommendations. METHODS: A 23-item survey was developed and incorporated a literature review, national recommendations, and expert input. It was sent in the spring of 2019 to all 13 Canadian Adult CCM training programs via their respective program directors. Three months were allowed for data collection and descriptive statistics were compiled. RESULTS: Eleven of 13 (85%) programs responded, of which only 7/11 (64%) followed national recommendations. Curricula differed, as did how education was delivered: 8/11 (72%) used hands-on training; 7/11 (64%) used educational rounds; 5/11 (45%) used image interpretation sessions, and 5/11 (45%) used scan-based feedback. All 11 employed academic half-days, but only 7/11 (64%) used experience gained during clinical service. Only 2/11 (18%) delivered multiday courses, and 2/11 (18%) had mandatory ultrasound rotations. Most programs had only 1 or 2 local CCUS expert-champions, and only 4/11 (36%) assessed learner competency. Common barriers included educators receiving insufficient time and/or support. CONCLUSIONS: Our national survey is the first in Canada to explore CCUS education in critical care. It suggests that while CCUS education is rapidly developing, gaps persist. These include variation in curriculum and delivery, insufficient access to experts, and support for educators.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».