Awareness, Training, and Perceived Needs of Gynecologists in Interpreting Basic Imaging Studies: A Cross-Sectional Survey in Saudi Arabia
Notice bibliographique
Résumé
BACKGROUND: Gynecologists often rely on imaging studies such as ultrasound, CT, and MRI for clinical decision-making, yet limited training in interpreting these studies may affect their confidence and ability to make timely diagnoses. This study aimed to assess the awareness, training and perceived needs of gynecologists in Saudi Arabia regarding the interpretation of basic imaging studies. METHODS: A cross-sectional survey was conducted among 200 gynecologists practicing in Saudi Arabia. Participants were recruited using convenience sampling, and data were collected through an online questionnaire that assessed demographics, imaging knowledge, training history, perceived barriers, and interest in further education. Descriptive statistics were used to analyze the data. RESULTS: The majority of respondents (44%) reported interpreting imaging studies occasionally, with ultrasound being the most commonly interpreted modality (63%). However, only 29% had received formal training in imaging studies, and 74% felt their training was insufficient. Most respondents (82%) expressed interest in additional training, particularly in ultrasound interpretation and emergency imaging. Key barriers to effective imaging interpretation included lack of training (43%) and reliance on radiology reports (24%). Nearly half (45%) of participants noted that delays in radiology reports affected their clinical decision-making. CONCLUSIONS: This study reveals significant gaps in imaging interpretation training among gynecologists in Saudi Arabia, with a high demand for further education in basic imaging modalities. Addressing these gaps through structured training programs could improve gynecologists' confidence and clinical decision-making, ultimately leading to better patient care outcomes.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».