Trends in Point of Care Ultrasound Familiarity Among Undergraduate Medical Clerkship Educators
Notice bibliographique
Résumé
OBJECTIVES: Despite growing use of point of care ultrasound (POCUS), there remains a paucity of data about familiarity with POCUS among educators who dictate curricular content in undergraduate medical education. This paper aims to longitudinally characterize the level of comfort and frequency of POCUS use among faculty involved in undergraduate clerkship education. METHODS: A web-based cross-sectional survey assessing comfort, frequency of use, and awareness of indications for POCUS among faculty involved in Internal Medicine, Family Medicine, and Surgery undergraduate clerkship education in a single urban academic medical center in 2016 and again in 2022. RESULTS: A total of 45 responses from 2016 and 30 responses from 2022 are included. The percentage of faculty "not comfortable" with performing POCUS decreased from 78% to 46%, although the overall change in comfort was not statistically significant. Comfort interpreting POCUS images, frequency of POCUS use, and familiarity with the clinical applications of POCUS all improved. Faculty identified multiple barriers to more frequent POCUS use. CONCLUSIONS: Over a six-year period at one urban, academic medical center, comfort with POCUS and frequency of use have increased slightly but remain low among core faculty responsible for clerkship education. There are still large gaps in knowledge and very few faculty regularly use POCUS, which can be attributed to multiple different barriers.
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 | 0,002 | 0,012 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».