Establishing a Self-sustaining Emergency Medicine Point-of-Care Ultrasound Curriculum in an Academic Teaching Hospital in Ethiopia
Notice bibliographique
Résumé
Background: Point-of-care ultrasound (POCUS) training has become a standard component of Canadian emergency medicine (EM) residency programs. In resource-limited contexts, including Ethiopia, there is a critical shortage of local clinicians who can perform and teach POCUS. Our aim was to establish an introductory POCUS rotation within the EM residency program at Addis Ababa University (AAU) through The Toronto Addis Ababa Academic Collaboration in Emergency Medicine (TAAAC-EM). Methods: Through stakeholder engagement, the authors completed a quality improvement initiative and conducted a survey of AAU EM faculty and residents to understand which POCUS scans should be included in a core residency POCUS curriculum, "POCUS1". Results: 17 residents completed the POCUS1 program and 16 residents completed the written survey. Focused assessment with sonography for trauma, inferior vena cava, and lung (pneumothorax, pleural effusions, and interstitial syndrome) were identified as core introductory topics. Seventeen residents completed the initial POCUS1 program. Three program graduates were supported to become "POCUS1 Master Instructors" to continue the program during the SARS-CoV-2 global pandemic. Conclusion: The authors identified the highest yield POCUS scans through a written survey, successfully introduced a sustainable core POCUS curriculum at AAU for EM residents, and graduated three master instructors for curriculum continuation. We outline the structure and materials for implementation of POCUS programs for EM trainees and staff in similar low- and middle-income countries.
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 | 0,019 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».