Transfusion medicine curricular content for general pediatricians and pediatric subspecialists: A national multi‐specialty Delphi consensus study
Notice bibliographique
Résumé
BACKGROUND: Although pediatric residents frequently order blood products, transfusion medicine (TM) education is both limited and unstandardized during postgraduate training. Using Delphi methodology, this study aimed to identify and prioritize which pediatric TM curricular topics are most important to inform postgraduate training in TM for general pediatricians and pediatric subspecialists. METHODS: A national panel of experts iteratively rated potential curricular topics, on a 5-point scale, to determine their priority for inclusion within a TM curriculum. After each round, responses were analyzed. Topics receiving a mean rating <3/5 were removed from subsequent rounds and remaining topics were resent to the panel for further ratings until consensus was achieved, defined as Cronbach α ≥ 0.95. At conclusion of the Delphi process, topics rated ≥4/5 were considered core curricular topics, while topics rated ≥3 to <4 were considered extended topics. RESULTS: Forty-five TM experts from 17 Canadian institutions and 12 subspecialties completed the first Delphi round and 31 completed the second. Fifty-seven potential curricular topics were generated from a systematic literature review and Delphi panelists. Two survey rounds were completed before consensus was achieved. Seventy-three topics in six domains reached consensus: 31 core curricular topics and 42 extended topics. There were no significant differences in ratings between TM and non-TM specialists. DISCUSSION: A multispecialty Delphi panel reached consensus in identification of curricular topics for pediatric resident physicians. These results set the stage to develop a pediatric TM curriculum that will be foundational for pediatric trainees to enhance learning and improve transfusion safety.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 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 ».