MétaCan
Menu
Retour à la cohorte
Enregistrement W4288513815 · doi:10.1684/epd.2022.1476

Competency‐based EEG education: a list of “must‐know” EEG findings for adult and child neurology residents

2022· article· en· W4288513815 sur OpenAlex
Fábio A. Nascimento, Jin Jing, Roy E. Strowd, Irfan Sheikh, Dan Weber, Jay R. Gavvala, Atul Maheshwari, Adriana Tanner, Marcus Ng, Kollencehri Puthenveetti Vinayan, Saurabh R. Sinha, Elza Márcia Targas Yacubian, Vikram Rao, Μ. Scott Perry, Nathan B. Fountain, Ioannis Karakis, Elaine Wirrell, Fang Yuan, Daniel J. Friedman, Hatice Tankişi, Stefan Rampp, Rebecca Fasano, Jo M. Wilmshurst, Cormac A. O’Donovan, Donald L. Schomer, Peter W. Kaplan, Michael R. Sperling, Selim R. Benbadis, M. Brandon Westover, Sándor Beniczky

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueEpileptic Disorders · 2022
Typearticle
Langueen
DomaineMedicine
ThématiquePsychosomatic Disorders and Their Treatments
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNational Institute of Neurological Disorders and StrokeNational Heart, Lung, and Blood Institute
Mots-clésElectroencephalographyNeurologyPsychologyAudiologyMedical educationMedicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

The competency-based model has been guiding medical education on an international level over the last decades [1].This model is learner-centered and has mastery of specific knowledge and skills as its unit of progression [2].In the realm of electroencephalography (EEG), there have been continued efforts to ensure that residents have the competence to accurately and reliably interpret EEGs by the time they complete residency training.Achieving this goal is imperative, especially in countries where EEGs are typically read by neurologists without clinical neurophysiology or epilepsy fellowship training [3,4], due to the deleterious consequences of EEG misinterpretation and epilepsy misdiagnosis [3].In an attempt to define minimum EEG competency milestones, we herein propose a prioritized list of routine EEG findings that all adult and child neurology residents should be able to identify and interpret on completion of training.Resident EEG education is guided by well-formulated milestones proposed by organizations such as the Accreditation Council for Graduate Medical Education (ACGME) [5] and International League Against Epilepsy (ILAE) [6].These milestones, however, are not meant to be used to determine whether a trainee is competent to graduate; additionally, the milestones do not specify particular EEG findings that should be mastered by trainees.For example, the ACGME EEG Level 3 milestone encapsulates recognition of "common EEG abnormalities"; these "abnormalities", nonetheless, are not specified.We surveyed a group of EEG/epilepsy experts to delineate a list of routine EEG findings rated by their clinical yield for adult and child neurology resident education.The authors (FN, JJ, MBW, SB) designed an online survey (see supplementary material) in which a comprehensive set of adult and pediatric routine EEG findings were listed under four major sections: normal findings, artifacts, normal variants, and abnormal findings.Neonatal EEG findings were not included.EEG/epilepsy experts were asked to rate each EEG finding on a 5-point Likert rating scale (1 = "not

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,104
Score d'incertitude au seuil0,808

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,257
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle