The impact of internet and simulation‐based training on transoesophageal echocardiography learning in anaesthetic trainees: a prospective randomised study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
With the increasing role of transoesophageal echocardiography in clinical fields other than cardiac surgery, we decided to assess the efficacy of multi-modular echocardiography learning in echo-naïve anaesthetic trainees. Twenty-eight trainees undertook a pre-test to ascertain basic echocardiography knowledge, following which the study subjects were randomly assigned to two groups: learning via traditional methods such as review of guidelines and other literature (non-internet group); and learning via an internet-based echocardiography resource (internet group). After this, subjects in both groups underwent simulation-based echocardiography training. More tests were then conducted after a review of the respective educational resources and simulation sessions. Mean (SD) scores of subjects in the non-internet group were 28 (10)%, 44 (10)% and 63 (5)% in the pre-test, post-intervention test and post-simulation test, respectively, whereas those in the internet group scored 29 (8)%, 59 (10)%, (p = 0.001) and 72 (8)%, p = 0.005, respectively. The use of internet- and simulation-based learning methods led to a significant improvement in knowledge of transoesophageal echocardiography by anaesthetic trainees. The impact of simulation-based training was greater in the group who did not use the internet-based resource. We conclude that internet- and simulation-based learning methods both improve transoesophageal echocardiography knowledge in echo-naïve anaesthetic trainees.
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.
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 | 0,001 | 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 découle