Evaluation of a Particle Repositioning Maneuver Web‐Based Teaching Module
Notice bibliographique
Résumé
OBJECTIVES/HYPOTHESIS: To compare the pass rate of residents performing the Particle Repositioning Maneuver (PRM) after one of three interventions: 1) small group PRM instruction (SG); 2) standard classroom instruction (CI); and 3) Web-based learning module (WM). We hypothesize that our Web-based learning module is more effective than CI and as effective as SG. STUDY DESIGN: Prospective randomized control trial. METHODS: The study population includes all family medicine residents at the University of Western Ontario. On day 0, all subjects were tested. Residents were then randomized to one of three intervention groups: 1) SG, 2) CI, or 3) WM. On day 7, the residents were again tested. Observers were blinded to the intervention type. Testing (day 0 and day 7) was performed using the DizzyFIX (Clearwater Clinical Ltd., London, Ontario, Canada), a pass/fail test, and evaluation by a trained observer (correct or incorrect). RESULTS: There were no statistically significant differences in pass rates between the three groups before the interventions (DizzyFIX: P = .2096, observer: P = .3710). After the interventions, DizzyFIX testing pass rates were 50.0% SG, 60.0% CI and 100.0% WM (P = .3564). Observer testing pass rates were 85.7% SG, 28.6% CI, and 83.3% WM (P = .0431). CONCLUSIONS: This study demonstrated that our Web-based learning module for the PRM is comparable to small-group clinical instruction, and superior to standard classroom instruction for teaching the PRM when evaluated by a trained observer.
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 | 0,000 |
| 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 ».