Web-Based Learning for Emergency Airway Management in Anesthesia Residency Training
Notice bibliographique
Résumé
Introduction. Web-based learning (WBL) is increasingly used in medical education; however, residency training programs often lack guidance on its implementation. We describe how the use of feasibility studies can guide the use of WBL in anesthesia residency training. Methods. Two case-based WBL emergency airway management modules were developed for self-directed use by anesthesia residents. The feasibility of using this educational modality was assessed using a single cohort pretest/posttest design. Outcome measures included user recruitment and retention rate, perceptions of educational value, and knowledge improvement. The differences between pre- and postmodule test scores and survey Likert scores were analysed using the paired t test. Results. Recruitment and retention rates were 90% and 65%, respectively. User-friendliness of the modules was rated highly. There was a significant improvement in perceptions of the value of WBL in the postsurvey. There was a significant knowledge improvement of 29% in the postmodule test. Conclusions. Feasibility studies can help guide appropriate use of WBL in curricula. While our study supported the potential feasibility of emergency airway management modules for training, collaboration with other anesthesia residency programs may enable more efficient development, implementation, and evaluation of this resource-intensive modality in anesthesia education and practice.
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 | 0,007 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».