Feasibility and impact of a bespoke pre-hospital point of care ultrasound teaching and training programme at London’s air ambulance service
Notice bibliographique
Résumé
Introduction: Point-of-care ultrasound has seen an increase in its use in pre-hospital emergency care. There is lack of literature around the training requirement for point-of-care ultrasound of pre-hospital clinicians. This service evaluation assesses the effectiveness of a bespoke hybrid teaching programme. Methods: This is a service evaluation of the point-of-care ultrasound teaching programme at London’s Air Ambulance from 1 April to 28 May 2021. Subjects’ knowledge, image interpretation and confidence were assessed at two different points. Data were gathered using REDCap and exported to Excel for analysis. Mean values and delta were calculated, and t-test was applied for statistical significance. Results: In total, 57 participants were included; out of which 11 were excluded, as they did not complete a post-course survey. Of these, 41.3% participants were point-of-care ultrasound naïve. Mean pre- and post-course scores were 76.5% and 81.7%, respectively, with an average delta improvement of 5.2% (95% confidence interval = 4.70%–5.68%) which was statistically significant ( p < 0.002). There was a statistically significant mean improvement of pre- and post-course scores between point-of-care ultrasound naïve and point-of-care ultrasound experienced groups ( p = 0.014). Confidence in using point-of-care ultrasound showed mean overall improvement from 2.36/4 to 3.34/4, a mean difference of 0.98 (95% confidence interval = 0.61–1.34), which was statistically significant ( p = 0.0039). Conclusion: Our service evaluation highlighted that a hybrid teaching model used by London’s Air Ambulance was feasible and had shown significant improvement in the knowledge, image interpretation and confidence of both the point-of-care ultrasound naïve and the PoCUS experienced cohort of clinicians.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».