MétaCan
Menu
Retour à la cohorte
Enregistrement W1491226180 · doi:10.25011/cim.v30i4.2798

38. Max Brodel (1870-1941): His artistic influence on surgical learning at John Hopkins Medical School

2007· article· en· W1491226180 sur OpenAlexvenueno aff
P. Pace-Asciak, Toby Gelfand

Notice bibliographique

RevueClinical and investigative medicine · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueDigital Imaging in Medicine
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGermanGraduation (instrument)MedicineMedical schoolMedical educationHistoryEngineering

Résumé

récupéré en direct d'OpenAlex

Medical students depend on illustration to learn anatomical facts and details that may be too subtle for the written or spoken word. For surgical disciplines, learners rely on tools such as language, 2-dimensional illustrations, and 3-dimensional models to pass on important concepts. Although a photograph can convey factual information, illustration can highlight and educate the pertinent details for understanding surgical procedures, neurovascular structures, and the pathological disease processes.
 In order to understand the current role of medical illustration in education, one needs to look to the past to see how art has helped solve communication dilemmas when learning medicine. This paper focuses on Max Brodel (1870-1941), a German-trained artist who eventually immigrated to the United States to pursue his career as a medical illustrator. Shortly after his arrival in Baltimore, Brodel made significant contributions to medical illustration in Gynecology at John Hopkins University, and eventually in other fields of medicine such as Urology and Otolaryngology. Brodel is recognized as one of America’s most distinguished medical illustrators for creating innovative artistic techniques and founding the profession of medical illustration. 
 Today, animated computer based art is synergistically used with medical illustration to educate students about anatomy. Some of the changes that have occurred with the advancement of computer technology will be highlighted and compared to a century ago, when illustrations were used for teaching anatomy due to the scarcity of cadavers. 
 Schultheiss D, Udo J. Max Brodel (1870-1941) and Howard A.Kelly (1858-1943) – Urogynecology and the birth of modern medical illustration. European Journal of Obstetrics & gynecology and Reproductive Biology 1999; 86:113-115.
 Crosby C. Max Brodel: the man who put art into medicine. New York: Springer-Verlag, 1991. 
 Papel ID. Max Brodel’s contributions to otolaryngology – Head and Neck surgery. The American Journal of Otology 1986; 7(6):460-469.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,070
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,168
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,070
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,020
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,097
Tête enseignante GPT0,375
Écart entre enseignants0,279 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations2
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical and investigative medicineMême sujetDigital Imaging in MedicineTravaux en français237 207