Utilisation and barriers of PoCUS in a rural emergency department – A quality improvement project
Notice bibliographique
Résumé
Introduction: Point-of-care ultrasound (PoCUS) has been recognised as a tool that leads to more definitive diagnoses and enhances clinical decision-making in rural emergency departments (EDs) where diagnostic imaging is limited. We aimed to determine the current utilisation, barriers and solutions to using PoCUS in this rural Saskatchewan ED. Methods: Physicians working in the ED participated in a semi-structured interview. An online survey, administered via SurveyMonkey post-interview to provide further context, was used to support qualitative approaches. Interviews were recorded, transcribed and then analysed using inductive interpretation. Results: Seven physicians completed the quantitative survey with a response rate of 70%. Ten physicians were interviewed with a response rate of 100%. Themes identified were that physicians in this community’s ED perceived their skill level as determining whether a scan was diagnostic or not, rather than the specific PoCUS application itself. In addition, they performed scans primarily for the purpose of triage. Inadequate training, Core IP certification certification requirement and intradepartmental logistics were barriers to PoCUS utilisation. Conclusion: This study showed that ED physicians in this community perceived PoCUS as a clinical adjunct and as a tool to triage patients for further imaging. Results highlight the need to have accessible training for rural physicians to increase PoCUS utilisation, awareness of current Saskatchewan PoCUS guidelines and education on diagnostic applications of PoCUS. Increased use of PoCUS for specific scans could decrease the need for formal imaging and the associated healthcare system resources. Introduction: L’échographie au point d’intervention (ÉPI) est reconnue comme un outil permettant d’établir des diagnostics plus définitifs et d’améliorer la prise de décision clinique dans les services d’urgence ruraux où l’imagerie diagnostique est limitée. Nous avons cherché à déterminer l’utilisation actuelle, les obstacles et les solutions à l’utilisation de l’ÉPI dans ce service d’urgence rural de la Saskatchewan. Méthodes: Les médecins travaillant aux urgences ont participé à un entretien semi-structuré. Une enquête en ligne, administrée via SurveyMonkey après l’entretien pour fournir un contexte supplémentaire, a été utilisée pour soutenir les approches qualitatives. Les entretiens ont été enregistrés, transcrits puis analysés à l’aide d’une interprétation inductive. Résultats: Sept médecins ont répondu à l’enquête quantitative, soit un taux de réponse de 70%. Dix médecins ont été interrogés avec un taux de réponse de 100%. Les thèmes identifiés sont les suivants: les médecins du service d’urgence de cette communauté considèrent que leur niveau de compétence détermine le caractère diagnostique ou non d’un examen, plutôt que l’application spécifique de l’ÉPI. En outre, ils effectuaient des scanners principalement à des fins de triage. Une formation inadéquate, l’exigence d’une certification de praticien indépendant de base et la logistique interne au service étaient des obstacles à l’utilisation de l’ÉPI. Conclusion: Cette étude a montré que les médecins des services d’urgence de cette communauté percevaient l’ÉPI comme un complément clinique et un outil de triage des patients en vue d’un examen d’imagerie plus approfondi. Les résultats soulignent la nécessité d’une formation accessible aux médecins ruraux pour accroître l’utilisation de l’ÉPI, la connaissance des lignes directrices actuelles de l’ÉPI de la Saskatchewan et l’éducation sur les applications diagnostiques de l’ÉPI. L’utilisation accrue de l’ÉPI pour des examens spécifiques pourrait réduire le besoin d’imagerie formelle et les ressources du système de santé qui y sont associées.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».