Common Emergency Department Procedures: Competency, Knowledge, and Frequency of Performance by Emergency Medicine Trainees
Notice bibliographique
Résumé
BACKGROUND Trainees ought to master specific procedural skills throughout the course of the emergency residency programme they are enrolled in. AIMS We aim to assess the level of exposure to procedures, the confidence towards performing such procedures during each level of training, and an estimate of the minimum number of procedures required to influence trainee confidence and knowledge. METHODS The authors constructed a survey that was distributed using a snowball sampling method, targeting a sample of emergency trainees at nine training hospitals in Riyadh, Saudi Arabia. Participants were asked to answer multiple questions related to 6 different emergency procedures, including the amount of times the procedure had previously been performed and a personal assessment of confidence level related to each procedure using a five-point scale. The mean levels of knowledge and confidence were calculated and used as parameters to reflect on the training of participants. RESULTS The survey was completed by a total of 104 participants and revealed that the most common overall procedure performed was endotracheal intubation with the least common being vaginal delivery. A significant difference was noted between senior trainees and trainees at junior levels in the mean knowledge score for procedures [F(3,100)= 6.03, p= 0.001]. A positive correlation was found between the number of procedures performed and the confidence level. The minimum number of procedures according to the survey revealed the need for more than 15 intubation attempts, 6-10 central line insertions, 1-5 chest tube placements, 1-5 shoulder reductions and 6-10 lumbar punctures to build confidence in trainees. CONCLUSION Procedures that are less frequently performed in specific settings should be noted and attempts should be made to broaden exposure through simulations or rotations at other centres with higher procedural exposure rates.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».