Delphi Consensus Recommendations for the Development of the Emergency Medicine Point of Care Ultrasound (POCUS) Curriculum in Nepal
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Introduction: Emergency Medicine Point of Care Ultrasound (EM-POCUS) is a diagnostic bedside tool for quick and accurate clinical decision-making. Comprehensive training in POCUS is a mandatory part of EM training in developed countries. In Nepal, we need to build an educational curriculum based on the local medical system, available resources, and educational environment. We used the modified Delphi method to develop a EM-POCUS curriculum. Methods: We formed an EM-POCUS core working group based on expertise in key identified areas. The core working group developed criteria for expert panelist selection and synthesized the data for panelists after each Delphi round. We recruited 46 expert panelists to participate in a series of electronic surveys. The literature review and the results of the first Delphi round identified a set of competencies. Quantitative methodology was performed for subsequent surveys. Data analysis of the frequency, percentage, median, and interquartile range of the 9-point Likert scale was performed. We deemed a minimum threshold of 80% agreement to retain items across Delphi rounds. The result of every round was disseminated before subsequent rounds for the expert panelists to review responses in light of the group’s response. Results: We identified 10 specific global competency categories and 132 objectives (Round 1, response rate 85%). Rounds 2 and 3 (response rates 78% and 81% respectively) developed consensus on 45 core objectives (34%). The list of EM-POCUS competencies with the median (IQR) was finalized. Conclusion: This expert, consensus-generated EM-POCUS curriculum provides detailed guidance for EM-POCUS education and applications in clinical practice in Nepal.
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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 découle