Education Research: EEG Education in Child Neurology and Neurodevelopmental Disabilities Residencies
Notice bibliographique
Résumé
Background and Objectives: In the United States, many child neurologists (CNs) and neurodevelopmental disability (NDD) specialists who read EEGs in clinical practice had no additional EEG training other than what was received during residency. This practice highlights the importance of ensuring that CN/NDD residents achieve EEG competence before graduation. However, prior survey-based evidence showed that roughly a third of graduating CN residents in the United States do not feel confident interpreting EEGs independently. As part of a needs assessment, we conducted a descriptive study characterizing EEG practices in CN and NDD residency programs in the United States and Canada. Methods: A 30-question e-survey focused on characteristics of residency programs and their EEG teaching practices was sent to all 88 CN and NDD residency program directors listed in the Accreditation Council for Graduate Medical Education, Child Neurology Society, and Canadian Residency Matching Service websites. Results: = 0.007). Barriers to EEG education were reported by 28% of the programs; the most common barrier identified was insufficient EEG exposure. Possible solutions were primarily related to increasing quality and quantity of EEG exposure. Almost two-thirds of programs reported not using objective measures to assess EEG competence. Discussion: Our results characterize resident EEG education in a third of CN/NDD residency programs in the United States and Canada. We suggest that residency leaderships consider standardization of EEG learning along with establishment and implementation of objective measures in training requirements and competence assessment.
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 | 0,007 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».