Instruction Using a High-Fidelity Cardiopulmonary Simulator Improves Examination Skills and Resource Allocation in Family Medicine Trainees
Notice bibliographique
Résumé
INTRODUCTION: High-fidelity cardiopulmonary simulators have proven promising in various areas of medical education but have yet to be studied in Family Medicine training. METHODS: A 2-hour curriculum, combining didactic and simulator exposure, and addressing common valvular pathologies, was offered to post-graduate year 1 and 2 Family Medicine residents. Residents' abilities to describe and diagnose four simulated murmurs were assessed before the teaching sessions and 2 to 4 weeks after. Confidence in physical examination skills, as well as the use of echocardiography, was also measured. RESULTS: Twenty residents participated. Mean composite murmur description scores improved in 95% of residents (P < 0.001), as did mean diagnostic accuracy (from 43.8% to 85.0%; P < 0.001). For pathologic murmurs, the number of echocardiograms recommended did not change, whereas for the nonpathologic murmur, 16 residents who recommended echocardiography presession no longer did postsession (P < 0.001). Mean confidence significantly increased (P < 0.001). The mean satisfaction score for the session was 4.9/5, and all residents recommended that the session be repeated in future years. CONCLUSION: A didactic and simulator-based session is very well received by Family Medicine residents. It significantly improves description and diagnosis of murmurs and reduces unnecessary echocardiogram use without affecting appropriate use.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».