Acquisition and retention of lung ultrasound skills by respiratory therapists: A curriculum for respiratory therapists
Notice bibliographique
Résumé
Purpose: Lung point-of-care ultrasound (POCUS) is a versatile bedside tool. The utility of POCUS has grown during the coronavirus disease 2019 pandemic, as it allows clinicians to obtain real-time images without requiring transport of the patient outside the intensive care unit. As respiratory therapists (RTs) are involved in caring for those with respiratory failure, there is a good rationale for their adoption of lung ultrasound. However, no training standards have been defined. Our objective was to develop and implement a training programme for RTs to achieve and sustain competence in lung ultrasound. Methods: This was a single-centre, prospective, single-cohort observational study. A total of 10 RTs completed our curriculum and were tasked with independently completing and interpreting 10 initial lung ultrasound exams and 3 subsequent exams after a 6-week interim period. All exams were blindly overread by a local expert in lung ultrasound. Results: After completing the curriculum, RTs were able to acquire and accurately interpret their images over 85% of the time. They were more successful in the upper lung zone image acquisition and interpretation compared with the lower lung zones. After 6 weeks, the RTs' lung POCUS skills remained stable, and their lower lung zone image interpretation improved. The RTs reported that their confidence improved throughout the study. Conclusion: The RTs in our study have demonstrated competence in acquisition and interpretation of upper lung zone images. They have also reported confidence in acquiring and interpreting upper lung zone images. More experience appears to be required to gain competence and confidence in lower lung zone ultrasound. Next steps would be to repeat the present study with a higher number of RTs completing at least 20 lung POCUS studies.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».