MétaCan
Menu
Retour à la cohorte
Enregistrement W2073188481 · doi:10.1017/s0317167100008702

Ophthalmoscopy: A 7-Step Program

2008· article· en· W2073188481 sur OpenAlexaffvenue
Joseph M. Dooley, Kevin Gordon

Notice bibliographique

RevueCanadian Journal of Neurological Sciences / Journal Canadien des Sciences Neurologiques · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueOphthalmology and Visual Health Research
Établissements canadiensIzaak Walton Killam Health CentreDalhousie University
Organismes subventionnairesnon disponible
Mots-clésPremiseOphthalmoscopyTask (project management)OptometryMedical educationPsychologyMedicineComputer scienceOphthalmologyEngineering

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Fundoscopy is viewed as a difficult or impossible task by many students and physicians. We have used a novel seven-step approach to teach trainees to use the ophthalmoscope. The technique is based on the premise that success is most easily achieved if the necessary motor skills are mastered first. A step by step approach will enable others to teach their trainees to attain the ability to routinely view the fundi of their pediatric patients. METHODS: Step 1 involves examination of the trainee's fundi to ensure there is no impediment to their success. In Step 2 the student examines the teacher. This identifies major errors. The next step teaches the trainee how to hold the ophthalmoscope. Step 4 gets the learner to read a journal article through the ophthalmoscope. In Step 5 they examine the teacher's eyes again and with a little help they are always successful. In the last two steps an older patient is first examined and finally the student examines a young child. CONCLUSION: This method differs from most other approaches by leaving the cognitive component of ophthalmoscopy until the student is comfortable with handling the instrument. It has been uniformly successful among our students and residents.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0020,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0240,009

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 Opus0,178
Tête enseignante GPT0,447
Écart entre enseignants0,269 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Neurological Sciences / Journal Canadien des Sciences NeurologiquesMême sujetOphthalmology and Visual Health ResearchTravaux en français237 207