Seeing Ghosts: A Quality Improvement Intervention to Decrease Phantom Scanning Through Increased Image Archiving of POCUS by Internal Medicine Residents
Notice bibliographique
Résumé
Point of care ultrasound (POCUS) is used in internal medicine (IM) to augment clinical decision making and improve procedural safety. Institutionally-supported archiving software can help learners track scan numbers and receive feedback on image acquisition and interpretation. At the University of Saskatchewan, IM residents use POCUS for procedures and assessments but rarely save images, limiting feedback opportunities. Our quality improvement project aimed to increase the number of POCUS images saved by Postgraduate Year One (PGY-1) IM residents, targeting over 75% of non-procedural scans and ensuring over 50% of residents save at least one scan. This quality improvement project was conducted on a clinical teaching unit at an academic hospital over two years. We used four Plan-Do-Study-Act (PDSA) cycles each year to measure the percentage of non-procedural scans saved by PGY-1 IM residents. As a balance measure, we compared the number of scans performed historically and during the study period to monitor for changes in usage. Data was collected using an ultrasound sign-out sheet. At baseline, no diagnostic scans were saved by PGY-1 IM residents. Post-intervention, 56% of scans were archived in cohort one and 76% in cohort two. Additionally, 79% of residents in cohort one and 94% in cohort two archived at least one scan. The balance measure improved from 1.13 in the first year to 2.25 in the second, suggesting image archiving is not a deterrent to performing scans. Through this intervention, we significantly increased the archiving of non-procedural scans by PGY-1 IM residents. We advocate for implementing a formal POCUS archiving system to promote quality assurance in residency programs.
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 | 0,005 |
| 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 | 0,001 |
| 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 ».