Teaching Transrectal Palpation of the Internal Genital Organs in Cattle
Notice bibliographique
Résumé
In this article, a simulation model for rectal palpation teaching in cows, Breed'n Betsy, is evaluated. Furthermore, the learning process of rectal palpation is depicted during a training period in live cows. In experiment 1, eight students were trained in live cows (group A) and nine students were trained using Breed'n Betsy (group B). After 25 palpations, their ability to localize and evaluate structures was evaluated in practical tests in live cows. Group A had higher results than group B (p<0.001) and were more skilled at localizing the uterus and localizing and evaluating the ovaries (p<0.05). Group B was better at pregnancy diagnosis (nonsignificant). Results suggest that Breed'n Betsy cannot fully replace training in live cows, but may be a valuable addition to the classical teaching method. Suggestions for future improvement are made. In experiment 2, 10 students were intensely trained in live cows throughout the year and evaluated in practical tests at three time points (September, January, and March). Results were analyzed as a function of time point and the category of experience (1: 0-50 cows; 2: 50-100 cows; 3: 100-150 cows; 4: 150-200 cows; 5: >200 cows). Results increased in time (p<0.05) and were higher in categories 3, 4, and 5 than in category 1 (p<0.05). Although all of the students in the higher categories successfully localized the cervix, uterus, and ovaries, they had difficulties in interpreting these structures, suggesting that palpation of 200 cows is insufficient to reach a consistent level of expertise.
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 | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».