Errors in Radiographic Interpretation Made by Veterinary Students
Notice bibliographique
Résumé
As a means of identifying student weaknesses in radiographic interpretation that could be used as foci for teaching, a cohort of 96 students joining the final-year radiology rotation were randomly allocated to one of three radiographic interpretation quizzes, each based on radiographs of small-animal patients together with the signalment and a brief, relevant history. Students' quiz scores were analyzed by multiple logistic regression, using an outcome variable with the score for each item as numerator and maximum possible mark as denominator. Students' median quiz score was 49% of the maximum (range 23-80%). Students were more likely to gain a mark for items based on abnormal radiographs than for those based on normal radiographs (odds ratio 3.4, p < 0.001). Skeletal radiographs were associated with lower scores (OR 0.75, p = 0.03). The fewest marks were awarded for interpretation of a radiograph of a normal canine stifle and interpretation of a radiograph of a normal canine pelvis; these items were misinterpreted as abnormal by 86% and 80% of the students, respectively. Students' tendency to over-interpret normal radiographs may reflect a lack of knowledge of radiographic anatomy or an unrealistically high expectation that the radiographs are abnormal.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».