Web-Based Software to Assist in the Localization of Neuroanatomical Lesions
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the educational effectiveness of a novel, web-based neuroanatomical localization application. METHODS: A prototype version of a neuroanatomical localization application was developed, limited to lesions involving Cranial Nerve (CN) VII. Second year medical students at the University of Ottawa were recruited to participate in the study. Participants were exposed to a didactic teaching session on CN VII anatomy. They were subsequently randomized to two groups - one group was granted access to the localization application (the "intervention group"), while the other group was given a booklet of standard textbook resources (the "control group"). Participants then completed a case-based multiple choice test on localization of neurologic lesions associated with CN VII, followed by a questionnaire regarding the experience. RESULTS: Thirty-nine students volunteered to participate. Twenty were randomized to the intervention group and 19 to the control group. There was a mean test score difference of 1.3 (CI.95=0.2, 2.3) that was significantly higher in the intervention group when compared to the control group. Significance was determined by a Wilcoxon rank test (p=0.028). Questionnaire results were similar for both groups, showing an overall favourable evaluation of the localization application. CONCLUSIONS: The results support our hypotheses that students using the application would perform better on the multiple choice question (MCQ) test and there would be an overall preference for its use. The demonstrated educational benefit of the application, in addition to the demand for such a resource expressed by the participants, warrant further investigation into the development of a neurological localization application.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».