Monitoring the use of anatomical teaching material using a low‐cost radio frequency identification system: A comprehensive assessment
Notice bibliographique
Résumé
The correct tracking and monitoring of anatomical specimens is not only imperative in any modern body donation programs but also in any universities for which teaching the next generation of health care professionals is the primary mission. This has long been an arduous process for anatomy institutions across the world, and the recent focus of new curricula on self-directed learning adds new stress on specimens which are used by students. The radio frequency identification (RFID) technology has been proposed as a very effective tracking system in healthcare considering that it enables automatic identification and data capture of multiple items at once. In this study, the feasibility of a low-cost RFID inventory system is assessed, from its design to the performance of commercially available RFID tags in a gross anatomy laboratory. The results show that ultrahigh frequency-based RFID tags successfully performed when attached to a collection of 112 plastinated and 280 wet dissected specimens. Comparison analysis of different tags reveals, however, that careful selection of RFID tags needs to be considered when wet specimens need to be tracked as preservation fluids can absorb radio waves energy. This study demonstrates that it is economically feasible to incorporate RFID technology to closely monitor the use of anatomical teaching specimens. The described RFID inventory system was not only able to preserve the integrity of the specimens being used by limiting handling and therefore human error but was also able to identify missing or misplaced specimens and to update their status.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».