MétaCan
Menu
← Retour à la cohorte
Enregistrement W2173793492

Ce résident doit apprendre

2005· article· fr· W2173793492 sur OpenAlexaboutno aff
Garth L. Warnock

Notice bibliographique

RevuePubMed Central · 2005
Typearticle
Languefr
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesMedicineGynecologyArt
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Comme stagiaire debutant en chirurgie au Programme de residence en chirurgie generale de l'Universite de l'Alberta, j'ai constate qu'un de mes mentors montrait une patience excessive en m'apprenant, etape par etape, les elements fondamentaux d'une technique chirurgicale. Un jour que je terminais une anastomose intestinale et recevais des commentaires persistants et patients a chaque etape tout en etant surveille par l'equipe operatoire (et conscient de l'heure), j'ai realise que mon mentor etait aussi determine que moi a ce que je reussisse lorsqu'il s'est exclame «Ce resident doit apprendre!». Cette facon consacree de decomposer une intervention chirurgicale en formulant des commentaires a la minute a ete etudiee par Backstein et ses collaborateurs a l'Hopital Mount Sinai de Toronto et au Centre des techniques chirurgicales de l'Universite de Toronto dans ce numero du Journal canadien de chirurgie (page 195). Ces chercheurs ont evalue l'efficacite des commentaires enregistres sur video au cours de trois exercices consecutifs portant sur un modele d'anastomose vasculaire. L'analyse ne revele aucune difference importante au niveau du resultat des listes de controle technique et de l'evaluation globale des residents qui ont recu des commentaires videos repetes comparativement a ceux d'un groupe temoin qui a recu des commentaires de chirurgiens experts seulement. Cette etude presente des messages extremement precieux. La valeur des commentaires verbaux personnalises d'un chirurgien expert demeure un modele exceptionnel d'enseignement des techniques chirurgicales. Il s'agit la d'une raison importante pour nous de reconnaItre l'importance de donner aux chirurgiens le temps d'enseigner en salle d'operation, surtout au moment ou l'inscription aux programmes de formation augmente afin de repondre aux besoins futurs en soins chirurgicaux au Canada. Par ailleurs, meme si les commentaires videos et l'analyse des experts n'ont pas semble produire d'avantage supplementaire important, il ne faut pas rejeter cette methode comme moyen d'appuyer un enseignement efficace. Le cout et la disponibilite du temps d'enseignement posent des defis de plus en plus lourds pour l'experience en salle d'operation et les heures d'enseignement. Une seance de formation video conjuguee a des commentaires precis pourrait surement aider a relever ces defis. Comme dans le cas de toute technologie, le defi pose par la video consiste a determiner des modeles rigoureux comportant des investigations supplementaires. Les formateurs en chirurgie ont de plus en plus acces a une foule de nouveaux systemes en developpement. Ces systemes comportent des parametres qui permettent de suivre les erreurs liees au temps, la trajectoire des instruments, la longueur des voies utilisees, les rates lies aux instruments, les dommages causes aux tissus, la tension imposee aux tissus, l'emplacement des pinces et meme la perte de sang. Des donnees nouvelles montrent que les experts et les novices different lorsque l'on suit ces parametres avec precision. La tâche consiste a integrer ces parametres a une analyse video comme on l'a fait dans le cadre de l'etude en cours. Apres tout, on utilise couramment la technique d'un chirurgien enregistree en video pour choisir les participants a des essais cliniques multicentriques afin de reduire au minimum «l'effet de l'habilete». Le facteur peut concorder avec l'affirmation des chercheurs selon lesquels les commentaires sur video sont meilleurs comme aide a la formation avancee. Un defi important que doivent relever les formateurs en chirurgie consiste a creer des centres modernes de formation qui reunissent l'expertise des enseignants et des chercheurs dans la mise au point de techniques chirurgicales. Le Centre des techniques chirurgicales de Toronto en est un exemple de premier plan. A la suite d'initiatives recentes, l'American College of Surgeons a determine qu'il fallait creer un reseau de centres d'excellence en formation dans une vingtaine d'etablissements en Amerique du Nord. Ces centres ne remplaceront pas la methode normalisee que constituent les programmes de formation en residence, mais ils completeront et etendront la capacite de formation innovatrice en chirurgie. L'acceptation constitue la premiere etape de ce processus qui regroupera des etudes de validation afin de determiner des modeles comme ceux qu'ont utilises Backstein et ses collaborateurs. La deuxieme etape consiste a incorporer les modeles dans les programmes d'etudes. Une analyse objective des techniques suivra. Pour definir la competence, il faudra peut-etre un systeme informatise qui suit les parametres. La derniere etape consiste a evaluer la maItrise technique. Cette evaluation se fera par des experts qui peuvent definir l'evolution des residents vers un niveau avance de formation. En resume, la prestation efficace d'une formation specialisee en chirurgie a de nombreux defis a relever. L'etude realisee par Backstein et ses collaborateurs porte sur des aspects importants de l'evaluation des techniques chirurgicales a la fois par des examinateurs experts et au moyen d'un processus a base de technologie. Les deux volets sont essentiels, mais il y a beaucoup de travail a faire pour elaborer et ameliorer les evaluations. Nous devons tous faire preuve de la meme determination pour que nos residents apprennent et acquierent les techniques chirurgicales necessaires. Garth L. Warnock, MD Co-redacteur

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)0,003
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,195

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,020
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0050,003
Communication savante0,0030,003
Science ouverte0,0010,004
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0580,020

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 Opus0,015
Tête enseignante GPT0,274
Écart entre enseignants0,259 · 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'étudeSans objet
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

Citations0
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMed Central→Même sujetInnovations in Medical Education→Travaux en français237 207→