Point-of-care ultrasound training for respiratory therapists: A scoping review
Notice bibliographique
Résumé
Introduction: Point-of-care ultrasound (POCUS), although commonly used in clinical practice, is not currently included in training programs for respiratory therapists (RTs). In fact, given its ubiquity and clinical utility, RTs in Ontario, Canada, are changing their mandate to incorporate POCUS into their daily patient assessment. Therefore, we conducted a scoping review of the literature, aiming to describe the current evidence of POCUS training and methods of curriculum delivery for RTs to inform an evidence-based program design. Method: We systematically searched MEDLINE, EMBASE, CINAHL, and Web of Science from inception to 8 July 2020. We included all studies reporting on RT training in POCUS. Documents included English language, full-text reports of all study designs. Title and abstract screening, full-text review, and data abstraction were done independently and in duplicate. Results: Seven studies met our inclusion criteria, including four full texts and three abstracts; all were prospective and single-center studies, except one multicenter study. Reports were from nine different countries. Studies described cardiac, lung, and procedural ultrasonography use. The majority used a combination of educational methods; didactic talks, hands-on sessions, and practical assessments being the most common methods. There was a median of 11 participants enrolled in a training session. The instructors were physicians from various specialties such as critical care, pulmonology, and radiology. Conclusions: This scoping review identified seven papers that explored different methods of a POCUS curriculum delivery for RTs. From the interventions outlined, teaching POCUS skills to RTs seems feasible. However, further work needs to be done to solidify a POCUS curriculum specific to RTs and examine the impact on patient-related outcomes.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».