Acute hot joints on the medical take: tapping into the skills of our workforce
Notice bibliographique
Résumé
Acute oligoarthritis is a common presentation to secondary care, with septic arthritis the most serious cause.The inpatient mortality from septic arthritis is 7-15%, despite antibiotics use (1).Bacterial arthritis in England has an incidence of 1 in 49 000/100 000 person-years (2).Arthrocentesis, remains the gold-standard in differentiating septic from non-septic causes.Prompt diagnosis of acute oligoarthritis remains fundamental in avoiding unnecessary antibiotic and reducing hospital admission (3).Acute oligoarthritis is managed by medical teams in many NHS hospitals.Additionally, more common causes of acute hot joints, e.g., gout and pseudogout, often arise in elderly and multimorbid patients, in whom an important differential is septic arthritis, highlighting the need for urgent arthrocentesis.Arthrocentesis was incorporated within the compulsory curriculum for Core Medial Trainees (CMT) in 2009 in the United Kingdom (UK).Since implementation of Internal Medicine Training (IMT) and its new curriculum, this requirement has been removed for all IMT trainees.The rationale for this was delivering a more holistic training focused on "a small number of high-level learning outcomes rather than a large number of granular competencies" (3).Therefore, trainees often progress to IMT3 level and above without having performed or observed arthrocentesis.Yet, they are expected to run the acute unselected medical take with remote consultant supervision to meet the requirement at their Annual Review of Competency Progression (ARCP).Meanwhile, in comparison to the UK's IMT with its North American Internal Medicine (IM) counterparts, arthrocentesis remains a core competency for IM certification in the United States (US) and Canada (5).
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 | 0,015 |
| 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 | 0,001 |
| 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 ».