MétaCan
Menu
Retour à la cohorte
Enregistrement W4404420129 · doi:10.24908/pocus.v9i2.17724

Delphi Consensus Recommendations for the Development of the Emergency Medicine Point of Care Ultrasound (POCUS) Curriculum in Nepal

2024· article· en· W4404420129 sur OpenAlexvenueno aff
Anmol Purna Shrestha, Wolfgang Blank, Ursula Hege Blank, Rudolf Horn, Susanne Morf, Sanu Krishna Shrestha, Shailesh Prasad Shrestha, Samjhana Basnet, Anjana Dongol, Raj Kumar Dangal, Roshana Shrestha

Notice bibliographique

RevuePOCUS Journal · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound in Clinical Applications
Établissements canadiensnon disponible
Organismes subventionnairesTribhuvan University
Mots-clésDelphi methodCurriculumDelphiLikert scaleMedicineInterquartile rangeMedical educationCore competencyMedical physicsPoint of care ultrasoundComputer scienceNursingSurgeryEmergency departmentPsychologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,439
score de la tête « metaresearch » (Gemma)0,351
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,439
Score d'incertitude au seuil0,692

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,4390,351
Méta-épidémiologie (sens strict)0,0040,003
Méta-épidémiologie (sens large)0,0030,007
Bibliométrie0,0160,011
Études des sciences et des technologies0,0090,011
Communication savante0,0090,011
Science ouverte0,0110,022
Intégrité de la recherche0,0090,010
Charge utile insuffisante (le modèle a refusé de juger)0,0140,006

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.

Tête enseignante Opus0,063
Tête enseignante GPT0,400
Écart entre enseignants0,338 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePOCUS JournalMême sujetUltrasound in Clinical ApplicationsTravaux en français237 207