MétaCan
Menu
← Retour à la cohorte
Enregistrement W6922113208 · doi:10.11575/prism/41921

Musculoskeletal Ultrasound in Canadian Rheumatology Training Programs: Towards a National Curriculum

2023· other· en· W6922113208 sur OpenAlexaboutno aff

Notice bibliographique

RevueOpen MIND · 2023
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRheumatologyDelphi methodCurriculumDelphiFocus groupComputer-assisted web interviewing

Résumé

récupéré en direct d'OpenAlex

Introduction: In 2019 the Royal College of Physicians and Surgeons of Canada added educational experiences in MSUS to the core competencies in rheumatology as an optional training experience. Many Canadian rheumatology programs offer MSUS training for residents, but there is currently no national ultrasound curriculum in Canada outside of externally available courses. Objectives: This thesis had two objectives. Objective one was to explore how educators prioritize competencies while developing educational content for a rheumatology MSUS curriculum. Objective two was to define the expert consensus recommendations for MSUS in Canadian post-graduate rheumatology training programs. Methods: To address objective one, we invited educators with rheumatology MSUS expertise to participate in a modified nominal group technique (NGT) with a sequential mixed methods design. For objective two, we assembled a MSUS working group including educators with rheumatology MSUS expertise, rheumatology residents, and rheumatology program directors. We used a three-stage consensus design including a modified NGT, modified Delphi technique, and structured online focus group to establish consensus among the MSUS working group on MSUS competencies that should be included in a national rheumatology resident curriculum. Results: We identified seven themes that represent key elements educators consider when prioritizing competencies during the curriculum development process, which balance two key factors: clinical utility and learnability. We used these themes to develop a conceptual framework that can be used to help guide educators when curricular content must be prioritized. For the consensus recommendations, key rheumatology MSUS stakeholders agreed that it should be mandatory for all Canadian post-graduate rheumatology trainees to learn basic ultrasound skills; how to perform a focused MSUS exam of the hands, wrists, and feet for features of inflammatory arthritis; and perform a limited MSUS exam of the knee and ankle to identify a joint effusion. Conclusion: This thesis used a hybrid of consensus methods to advance MSUS education in Canadian post-graduate rheumatology training programs. We hope that this work can contribute to the goal of a national MSUS curriculum for all Canadian post-graduate rheumatology trainees.

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)0,017
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,983
Score d'incertitude au seuil0,549

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0080,004
Communication savante0,0040,002
Science ouverte0,0030,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,048
Tête enseignante GPT0,347
Écart entre enseignants0,299 · 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'étudeObservationnel
DomaineMéthodes
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Travaux en français237 207→