A Curricular Review of Radiology Education in a Master of Physician Assistant Studies Program
Notice bibliographique
Résumé
INTRODUCTION: Physician assistants/associates (PAs) are expected to be competent in ordering and interpreting diagnostic imaging. However, there are no further details outlining the educational expectations of PAs as it relates to radiology upon graduation. This can result in significant variability in the radiology curricula that PA students are taught and, consequently, hinder PAs' ability to work within their full scope of practice. Therefore, the purpose of this study was to map the radiology curriculum in a Master of Physician Assistant Studies (MPAS) program to elucidate radiological educational training before graduation. METHODS: Quantitative curricular mapping was used to assess the 2021 to 2022 MPAS program for radiological involvement. Relevant course and session objectives related to radiology education were identified. In addition, educational learning material was reviewed for diagnostic imaging content. RESULTS: Formal radiological training was observed in 8 of 27 courses in the preclinical curriculum, with 4.35% of the total session objectives directed to radiological education. This formal exposure comprises 18.9 hours (1.71%) of curricular time. Informal diagnostic imaging exposure increased radiology education to approximately 29.5 hours (2.67%) of curricular time. One course (Diagnostic Imaging) focuses exclusively on radiology teaching and accounts for approximately 50% of the total radiologic teaching. X-ray ordering and interpretation received the greatest emphasis throughout the curriculum, while ultrasound received the least attention. DISCUSSION: Further integration of formal radiological education into PA programs should be considered with specific attention directed toward point-of-care ultrasound exposure and ordering/interpretation skills.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».