The use of thoracoscopy to enhance medical students′ interest and understanding of thoracic anatomy
Notice bibliographique
Résumé
AIM: To develop a video-based educational tool designed for teaching thoracic anatomy and to examine whether this tool would increase students' stimulation and motivation for learning anatomy. METHODS: Our video-based tool was developed by recording different thoracoscopic procedures focusing on intraoperative live thoracic anatomy. The tool was then integrated into a pre-existing program for first year medical students (n = 150), and included cadaver dissection of the thorax and review of clinical problem scenarios of the respiratory system. Students were guided through a viewing of the videotape that demonstrated live anatomy of the thorax (15 minutes) and then asked to complete a 5-point Likert-type questionnaire assessing the video's usefulness. Apart from this, a small group of entirely different set of students was divided into two groups, one group to view the 15-minute video presentation of thoracoscopy and chest anatomy and the other group to attend a 15-minute lecture of chest anatomy using radiological images. Both groups took a 10-item pretest and post-test multiple choice questions examination to assess short-term knowledge gained. RESULTS: Of 150 medical students, 119 completed the questionnaires, 88.6% were satisfied with the thoracoscopic video as a teaching tool, 86.4% were satisfied with the quality of the images, 69.2% perceived it to be beneficial in learning anatomy, 96.2% increased their interest in learning anatomy, and 88.5% wanted this new teaching tool to be implemented to the curriculum. Majority (80.7%) of the students increased their interest in surgery as a future career. Post-test scores were significantly higher in the thoracoscopy group (P = 0.0175). CONCLUSION: Incorporating live surgery using thoracoscopic video presentation in the gross anatomy teaching curriculum had high acceptance and satisfaction scores from first year medical students. The video increased students' interest in learning, in clinically applying anatomic fact, and in surgery as a future career.
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 | 0,004 |
| 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) | 0,003 | 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 ».