Keeping up with the literature: A current practice survey and qualitative needs assessment among emergency physicians
Notice bibliographique
Résumé
Purpose: Physicians face the challenge of staying current with a rapidly growing body of evidence and applying it to their practice. How emergency physicians (EPs) do so is unknown. The authors sought to describe and assess needs around EP patterns of evidence-based medicine (EBM) and continuing medical education (CME) resource use. Methods: The authors conducted a multicenter, cross-sectional study in 2019 across 12 tertiary care, community, and suburban emergency department (ED) sites in the greater area of Edmonton. Information on EBM/CME resource use along with barriers and facilitators to staying current was gathered using a rigorously developed survey tool, distributed electronically and by mail. Responses were tabulated and subgroups analyzed using MANOVA and ANOVA tests. Thematic analysis of comments used a phenomenological lens. Results: A total of 118 EPs (40.1%) completed the survey. Listening to podcasts, attending EM conferences, and subscription-based resources were preferred for staying current. Resource use differed by years in practice but not by age, sex, training background, or site type. EBM had an important impact on respondents' practice (average rating 3.8 out of 5, with 5 indicating "practice changing"). Time was an important barrier. Most (62.7%) felt that they did not spend enough time, despite spending a median of 4 to 5 h monthly on EBM. Facilitators (including journal club summaries or lists of practice-relevant papers) had only moderate impacts. Thematic analysis found three themes (importance of EBM, implementation challenges, and dissemination of EBM) and 13 subthemes. Conclusion: EPs preferentially chose podcasts, conferences, and subscription-based resources to stay current with EBM; time was the biggest barrier. These findings help ED leads and educators tailor CME to physician learning preferences to maximize application of EBM to clinical practice. The next steps include developing/curating resources and disseminating the survey on a larger scale to identify opportunities for shared virtual resources.
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 | 0,029 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 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 ».