Evaluation of a Training Model to Teach Veterinary Students a Technique for Injecting the Jugular Vein in Horses
Notice bibliographique
Résumé
In this study, a newly-developed model for training veterinary students to inject the jugular vein in horses was evaluated as an additional tool to supplement the current method of teaching. The model was first validated by 19 experienced equine veterinarians, who judged the model to be a realistic and valuable tool for learning the technique. Subsequently, it was assessed using 24 students who were divided randomly into two groups. The injection technique was taught conventionally in a classroom lecture and a live demonstration to both groups, but only group 1 received additional training on the new model. All participants filled out self-assessment questionnaires before and after group 1 received training on the model. Finally, the proficiency of both groups was assessed using an objective structured clinical evaluation (OSCE) on live horses. Students from group 1 showed significantly improved confidence after their additional training on the model and also showed greater confidence when compared to group 2 students. In the OSCE, group 1 had a significantly better score compared to group 2: the median (with inter-quartile range) was 15 (0.7) vs. 11.5 (2.8) points out of 15, respectively. The training model proved to be a useful tool to teach veterinary students how to perform jugular vein injections in horses in a controlled environment, without time limitations or animal welfare concerns. The newly developed training model offers an inexpensive, efficient, animal-sparing way to teach this clinical skill to veterinary students.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».