MétaCan
Menu
Retour à la cohorte
Enregistrement W4224230595 · doi:10.24908/pocus.v7i1.15620

Impact of Point-of-Care Ultrasound in Medical Decision Making: Informing the Development of an Internal Medicine Global Health POCUS Curriculum

2022· article· en· W4224230595 sur OpenAlexvenueno aff
Michelle Fleshner, Steve Fox, Thomas Robertson, Ayako Fujita, Divya Bhamidipati

Notice bibliographique

RevuePOCUS Journal · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound in Clinical Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineCurriculumRadiologyModalitiesPericardial effusionMedical physicsInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Point-of-care Ultrasound (POCUS) is particularly useful in low-middle income countries (LMICs) where advanced imaging modalities and diagnostics are often unavailable. However, its use among Internal Medicine (IM) practitioners is limited and without standard curricula. This study describes POCUS scans performed by U.S. IM residents rotating in LMICs to provide recommendations for curriculum development. METHODS: IM residents within a global health track performed clinically-indicated POCUS scans at two sites. They logged their interpretations and whether or not the scan changed diagnosis or management. Scans were quality-assured by POCUS experts in the US to validate results. Using the criteria of prevalence, ease of learning, and impact, a framework was developed for a POCUS curriculum for IM practitioners within LMICs. RESULTS: A total of 256 studies were included in analysis. 237 (92.5%) answered the clinical question, 107 (41.8%) changed the diagnosis, and 106 (41.4%) changed management. The most frequently used applications were the Focused Assessment for Sonography for HIV associated TB (FASH) exam, finding fluid (pericardial effusion, pleural effusion, ascites), qualitative assessment of left ventricular function, and assessment for A-lines/B-lines/consolidation. The following scans met ease of learning criteria: FASH-basic, assessment of LV function, A-lines vs. B-lines, and finding fluid. Finding fluid and assessment of LV function changed diagnosis and management most frequently, greater than 50% of the time for each category. DISCUSSION/CONCLUSION: We recommend the following applications as highest yield for inclusion in a POCUS curriculum for IM practitioners within LMICs: finding fluid (pericardial effusion, pleural effusion, ascites) and assessment of gross LV function.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,064
score de la tête « metaresearch » (Gemma)0,113
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil0,338

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0640,113
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0010,002
Communication savante0,0050,003
Science ouverte0,0020,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,438
Écart entre enseignants0,412 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePOCUS JournalMême sujetUltrasound in Clinical ApplicationsTravaux en français237 207