Canadian midwives’ perspectives on the clinical impacts of point of care ultrasound in obstetrical care: A concurrent mixed-methods study
Notice bibliographique
Résumé
Introduction: Point of Care Ultrasound (POCUS) is used globally in obstetrics to conduct real time bedside ultrasound scans to answer a clinical question, and it may be conducted by a non-sonography healthcare practitioner. The College of Midwives of Ontario expanded the scope of practice in 2018 to allow registered midwives to perform POCUS during clinical assessments. In response, a POCUS training curriculum for practicing midwives was developed. This paper reports on the perceptions of learners about the impact of this training on their clinical practice. Methods: We conducted a mixed-methods study to understand learner perceptions. Data collection included surveys at four time points over a year, and semi-structured interviews. Quantitative data were analyzed through descriptive statistics, and qualitative analyses used a constructivist approach to grounded theory. Results: The frequency of POCUS use within antenatal care increased among learners, with common applications including assessment of fetal presentation and confirmation of viability. POCUS was seen to holistically aid practitioners care by providing additional skills and knowledge to improve care quality and access to care, particularly for remote areas where ultrasounds are not easily available. However, participants articulated a need for clearer regulatory guidelines outlining how this technology should be applied in midwifery. Equipment purchasing and maintaining costs were a barrier for many midwives. Conclusions: Participants who had access to a device are continuing to use sonography within their clinics to provide comprehensive midwifery care informed by real-time ultrasound assessments. POCUS scans were seen to offer many benefits to improve patient care.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».