Medical Student POCUS Peer-to-Peer Teaching: Ready for Mainstream
Notice bibliographique
Résumé
Background: Point of care ultrasound (POCUS) is changing the face of clinical practice and medical education. Worldwide consensus based on expert opinion has advocated for POCUS teaching in undergraduate medical school curricula. Significant barriers, including lack of available instructors and limited resources, prevents medical learners from acquiring core competencies at most institutions. Here, we describe a peer-to-peer learning POCUS workshop and advocate for the use of this type of training to meet the demands of POCUS learning.
 Methods: A two-day POCUS workshop was held in Toronto, Ontario with twenty-six medical student participants. The workshop was structured according to a graduated model of POCUS skill development, beginning with didactic teaching, then progressing to hands-on peer-to-peer teaching, and finishing with competency evaluation by POCUS experts. Participants completed pre-and post-workshop surveys regarding prior POCUS teaching and exposure, self-reported skill development, and feedback on the workshop itself.
 Results: Of the 20 respondents to the questionnaire, 70% had prior POCUS exposure, with 85% of these individuals having less than 5 hours of prior POCUS education. Eighty-five percent of students reported that the organization of the course allowed them to participate fully, and 95% of participants indicated that peer-to-peer learning was effective.
 Conclusion: These findings suggest that peer-to-peer POCUS teaching is an effective learning method to acquire and consolidate well-established POCUS competencies. This initiative is scalable and could be applied to all learners in various disciplines. As such, we recommend medical schools consider integration of peer-to-peer POCUS teaching into longitudinal clerkship training programs, and transition-to-residency courses.
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 | 0,006 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 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 ».