Results from a Piloted Point of Care Ultrasound Course for Ontario Primary Maternity Care Providers / Résultats d’un cours pilote sur l’échographie au point de service Cours sur l’échographie à l’intention des fournisseurs de soins primaires de maternité de l’Ontario
Notice bibliographique
Résumé
Introduction: In 2018, the College of Midwives of Ontario approved a regulation granting midwives with appropriate training to incorporate point-of-care ultrasound (POCUS) into their practice. A POCUS course for practicing midwives included online modules, a two-day workshop, and a clinical practicum. This study evaluates the curriculum in this novel course. Methods: We conducted a mixed-methods study underpinned by the Kirkpatrick Framework for evaluating educational interventions. Data collection included surveys and interviews. Surveys included Likert scale questions and open-ended responses. Semi-structured interviews allowed participants to expand on their surveys. Data analysis included descriptive statistics and grounded theory analysis, respectively. Results: Course participants described that they could learn the required knowledge and demonstrate competency to perform obstetrical POCUS scans. The online modules provided the necessary didactic content and sonography clinical skills that were further developed and refined in the workshop and practicum. Due to barriers like COVID-19, many learners could not complete the clinical practicum training. Participants who did complete the practicum, post-course follow-up results indicated they have started to incorporate POCUS into their clinical practice regularly, particularly for confirmation of fetal presentation and viability of the pregnancy. Conclusion: Midwives who participated in this novel POCUS training course acquired and applied their ultrasound knowledge and skills to their clinical work and found POCUS to help inform clinical decisions. Barriers to implementing this skill in practice included difficulty arranging clinical practicums and the cost of obtaining and maintaining ultrasound equipment. RÉSUMÉIntroduction: En 2018, l’Ordre des sages-femmes de l’Ontario a approuvé un règlement permettant aux sages-femmes adéquatement formées la possibilité d’inclure dans leur pratique l’échographie au point d’intervention (EPI). Le cours d’EPI destiné aux sages-femmes en exercice comprend des modules en ligne, un atelier de deux jours et un stage clinique. La présente étude évalue le curriculum de ce cours original. Méthodes: Nous avons réalisé une étude à méthodes mixtes sous-tendue par le cadre Kirkpatrick d’évaluation des interventions pédagogiques. Des sondages et des entrevues ont servi à la collecte des données. Les sondages comportaient des questions à échelle de Likert et des questions ouvertes. Des entrevues semistructurées ont permis aux participantes d’étoffer leurs réponses aux sondages. Pour l’analyse des données, nous avons recouru à des statistiques descriptives et à une analyse de théorie ancrée. Résultats: Les participantes au cours ont indiqué qu’elles ont pu acquérir les compétences exigées et démontrer leurs compétences en échographie obstétricale au point d’intervention. Les modules en ligne ont fourni le contenu didactique et les compétences cliniques en échographie qui ont été développées davantage et peaufinées lors de l’atelier et du stage. En raison d’obstacles comme la COVID-19, de nombreuses apprenantes n’ont pu effectuer le stage clinique. Selon les résultats du suivi post-cours, les participantes qui ont accompli le stage ont commencé à intégrer régulièrement l’EPI dans leur pratique clinique, en particulier pour confirmer la présentation fœtale et la viabilité de la grossesse. Conclusion: Les sages-femmes qui ont pris part à ce cours original de formation en EPI ont appliqué les connaissances et les compétences acquises à leur travail clinique et ont trouvé l’EPI utile pour éclairer les décisions cliniques. Parmi les obstacles à la mise en pratique de cette compétence, mentionnons la difficulté d’organiser des stages cliniques et les coûts associés à l’acquisition et à l’entretien du matériel d’échographie.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».