MétaCan
Menu
Retour à la cohorte
Enregistrement W2120860600

A randomized pilot validation of educational measures in teaching shoulder arthroscopy to surgical residents.

2007· article· en· W2120860600 sur OpenAlexaffabout
Peter J. M. Ceponis, Denise Chan, Richard S. Boorman, Carol Hutchison, Nicholas G. Mohtadi

Notice bibliographique

RevuePubMed · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueSurgical Simulation and Training
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineOrthopedic surgeryArthroscopyRotator cuffShoulder surgeryShouldersRotator cuff injurySurgeryPhysical therapy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Injuries to the shoulder joint commonly require the attention of an orthopedic surgeon. Shoulder arthroscopy plays an increasingly important role in the diagnosis and repair of shoulder pathology; however, the most effective manner in which to teach orthopedic residents fundamental knowledge of diagnostic shoulder arthroscopy before entering the operating room is unclear. We aimed to compare the existing cadaver-based teaching of diagnostic shoulder arthroscopy knowledge with a method that combines model- and video-based teaching to orthopedic surgery residents in a randomized pilot trial. METHODS: A composite (model/video teaching) method was designed, using prepared teaching videos and the commercially available ALEX shoulder arthroscopy model. First- and second-year orthopedic surgery residents from the University of Calgary were consented, surveyed for their arthroscopy experience and randomized to either cadaver or composite teaching. Subjects wrote a pretest before their teaching session and a posttest afterwards to assess their knowledge of diagnostic arthroscopy. The tests were multiple choice, containing text and pictorial-based questions. The posttest was modified to minimize recall bias. Subjects were also surveyed for their comments regarding the teaching sessions. RESULTS: Nine of 10 subjects increased their test scores after the teaching sessions, with 4 of 5 in the cadaver-based and 5 of 5 in the composite groups. There were no differences between the teaching groups on their mean pre- or posttest scores. The composite group, but not the cadaver-based group, had a statistically significant increase in posttest scores. When the text- and pictorial-based question sections were analyzed separately, both groups significantly improved their mean text-based score, whereas only the composite group increased their mean pictorial-based questions score. Surveying the residents elicited positive comments regarding both manners of teaching. CONCLUSION: This pilot trial suggests that a composite teaching curriculum is at least as effective as a cadaver-based environment for teaching orthopedic surgery residents fundamental knowledge of diagnostic shoulder arthroscopy.

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)0,017
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,026
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,071
Tête enseignante GPT0,358
Écart entre enseignants0,287 · 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'étudeEssai randomisé
Domainenon disponible
GenreEmpirique

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

En bref

Citations23
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetSurgical Simulation and TrainingTravaux en français237 207