Haiti Acute and Emergency Care Conference: descriptive analysis of an acute care continuing medical education program
Notice bibliographique
Résumé
# Background Several disasters over the past decade have highlighted the need for strong acute-care systems in Haiti. As part of a multifaceted approach to improving national acute-care training, the Research and Education consortium for Acute Care in Haiti (REACH) launched the inaugural Haiti Acute and Emergency Care Conference (HAECC). # Methods REACH is a Haitian-led, multinational collaboration based out of Saint Lûc Hospital in Port-au-Prince. The first HAECC was held in April, 2017. Pre- and post-course evaluation consisted of subjective and objective components. Differences between pre- and post-responses were determined using McNemar's test of paired proportions. # Results 57 participants from 21 hospitals in five Haitian departments were included. The majority (37/58, 63.8%) were physicians. Most (33/57, 57.9%) had no prior training in acute or emergency care, but 8/57 (14.0%) had taken ATLS/ACLS, 11/57 (19.3%) had taken a formal course not internationally recognized, and only 1/57 (1.8%) had completed acute care specialty training. 43.7% (25/57) reported routine access to point-of-care ultrasound. Following course completion, participants felt significantly more comfortable managing basic emergency conditions (up to 25/57, 43.9% increase, *P*\<0.01) and using ultrasound (up to 30/57, 52.6% increase, *P*\<0.01), but improvements on objective testing were not significant (ranging from -2 (-3.5%, *P*=1.00) to +5 (8.7%, *P*=0.15) change). # Conclusions While continued quality review is necessary for future iterations of the conference, the inaugural HAECC provided a useful "first pass" for current front-line providers in Haiti.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».