The State of Inpatient Child Neurology
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Inpatient child neurology programs provide essential services for children. We sought to understand the current structure and challenges of inpatient pediatric neurologic care delivery in academic programs in North America. METHODS: We identified a single child neurologist from 39 of the first 40 programs on the 2019-2020 US News and World Report ranking and 3 large Canadian programs to be invited to participate in an inpatient focused survey. In October 2020, these 42 child neurologists were invited to complete an anonymous on-line survey including 37 questions about the structure, workload, and challenges of their inpatient program. Data were analyzed descriptively. RESULTS: We received responses from 30/42 (71%) invited child neurologists from unique programs. Most (22/30, 73%) were Child Neurology Program Directors, Inpatient Directors, and/or Division Chiefs. Two-thirds (20/30, 67%) reported a total of 2-4 inpatient services. Two-thirds (20/30, 67%) reported a primary neurology admitting service. Nearly two-thirds (19/30, 63%) reported a separate intensive care unit service, and approximately one-third (11/30, 37%) reported a separate stroke/vascular service. Half of the respondents (15/30, 50%) reported some attendings whose primary clinical effort is in the inpatient setting. Over half (17/30, 57%) reported having trainees interested in inpatient-focused careers. Approximately half (16/30, 53%) reported a full-time equivalent metric for inpatient time, and under half (13/30, 43%) reported the use of critical-care billing. Most respondents (26/30, 87%) endorsed that inpatient attendings frequently complete documentation/sign notes outside of normal daytime hours. During night call, attendings commonly spend 30 minutes-2 hours on patient care-related phone calls between 5 and 10 pm (24/30, 80%) and receive 1-3 patient care-related phone calls after 10 pm (21/30, 70%). Faculty burnout was the biggest inpatient-specific challenge before the coronavirus disease 2019 (COVID-19) pandemic (25/30, 83%), and concern about faculty well-being during the COVID-19 pandemic was reported in nearly all respondents (28/30, 93%). DISCUSSION: Academic child neurology programs in North America implement varied models for inpatient care delivery and face common challenges. The information presented in this study serves to stimulate discussion, help optimize operations, and encourage novel approaches to accomplish work and advance careers in academic inpatient child neurology.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».