Virtual Patient Simulation at U.S. and Canadian Medical Schools
Notice bibliographique
Résumé
PURPOSE: "Virtual patients" are computer-based simulations designed to complement clinical training. These applications possess numerous educational benefits but are costly to develop. Few medical schools can afford to create them. The purpose of this inventory was to gather information regarding in-house virtual patient development at U.S. and Canadian medical schools to promote the sharing of existing cases and future collaboration. METHOD: From February to September 2005, the authors contacted 142 U.S. and Canadian medical schools and requested that they report on virtual patient simulation activities at their respective institutions. The inventory elicited information regarding the pedagogic and technical characteristics of each virtual patient application. The schools were also asked to report on their willingness to share virtual patients. RESULTS: Twenty-six out of 108 responding schools reported that they were producing virtual patients. Twelve schools provided additional data on 103 cases and 111 virtual patients. The vast majority of virtual patients were media rich and were associated with significant production costs and time. The reported virtual patient cases tended to focus on primary care disciplines and did not as a whole exhibit racial or ethnic diversity. Funding sources, production costs, and production duration influenced the extent of schools' willingness to share. CONCLUSIONS: Broader access to and cooperative development of these resources would allow medical schools to enhance their clinical curricula. Virtual patient development should include basic science objectives for more integrative learning, simulate the consequences of clinical decision making, and include additional cases in cultural competency. Together, these efforts can enhance medical education despite external constraints on clinical training.
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 ».