A Survey of Upper Extremity Musculoskeletal Ultrasound Use in a Surgical Practice
Notice bibliographique
Résumé
Purpose: The purpose of this study is to gather the practices and perceptions among upper extremity surgeons regarding the use of musculoskeletal ultrasound for diagnostic and therapeutic intervention. Methods: A 36-question survey was developed from a literature review and author consensus. This survey was then piloted among a small group of hand surgeons prior to distribution. The survey included respondent characteristics, use of ultrasound in their current practice, referral patterns for ultrasound, and interest in incorporating ultrasound into practice and residency training. The refined survey was distributed to the Canadian Society of Plastic Surgeons, and Wrist and Elbow Society of Canada, as well as plastic surgery training programs. A reminder email was sent at 3 weeks and again at 8 weeks. Results: There were 152 responses after 505 survey invitations (30% response rate). Of these responses, 140 were complete (92%). Diagnostic ultrasound was used by 16 respondents (11%) for a myriad of pathologies. Only 5% used ultrasound for guided injections in a clinic or office setting. Money, time, lack of training, and lack of billing code were the major barriers to ultrasound implementation for 124 (89%) hand surgeons. Most respondents (84%) believe that ultrasound training should be incorporated into residency training. Ninety-one respondents (60%) are interested or very interested in incorporating ultrasound into their current practice. Conclusions: Ultrasound is a valuable resource that is seldom used as a point of care by Canadian hand surgeons due to several barriers. Survey results suggest that upper extremity surgeons are keen to have ultrasonography be part of residency education and most wish to adopt it into their future practice.
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 | 0,003 | 0,098 |
| 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 | 0,000 |
| 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 ».