X-ray therapy safety and awareness education for medical trainees and attending physicians
Notice bibliographique
Résumé
INTRODUCTION: Medical imaging involving ionizing radiation is common in the clinical setting. Little is known about the level of radiation safety training for medical trainees and attending physicians. We sought to identify the level of radiation safety knowledge and training at the undergraduate, postgraduate, and attending physician level. METHODS: A 29-question survey was sent by email to two sites in Canada. We pooled the results of medical students, residents, and attending physicians. The primary outcome was to describe the amount of radiation safety training among these groups. The secondary outcomes were to describe the frequency of radiation exposure, level of radiation knowledge, and preferred training method for radiation safety. RESULTS: Of 115 surveys that were properly completed, 31 (26.9%) medical students, 17 (14.7%) residents, and 67 (58.3%) attending physicians responded. A greater number of medical students (41.9%) reported they had zero hours of training time for radiation safety compared to attending physicians (14.9%) (p<0.05). A higher number of attending physicians (47.8%) and residents (64.7%) participated in patient care involving fluoroscopy daily or at least several times per week compared to medical students (3.2%) (p<0.001). Attending physicians had the greatest number of correct responses to radiation safety questions. Online courses and workshops were the preferred training methods. CONCLUSIONS: Radiation safety training is an important component of medical education for medical trainees and attending physicians. Current radiation safety training requirements and procedures at various levels of medical training in Canada should be addressed. Implementing radiation safety education may improve adherence to the radiation safety principles.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».