Novice Performance of Ultrasound-Guided Needling Skills
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Ultrasound-guided needle placement is a widely used technical skill that can be challenging to learn. The SonixGPS is a novel ultrasound needle-tracking system that has the potential to improve performance over traditional ultrasound systems. The objective of our study was to determine if the use of the SonixGPS ultrasound system improves performance of novice practitioners in ultrasound-guided needle placement compared with conventional ultrasound in the out-of-plane approach on a simulation model. METHODS: Twenty-six medical students without previous ultrasound experience were randomized into 2 groups. Each group performed 30 simulated ultrasound nerve blocks on a porcine meat tissue simulation (phantom) model. Both groups used the SonixGPS ultrasound; however, the study group had the needle-tracking system activated, whereas the control group did not. The participants were assessed for success rate, technical aspects of block performance, and certain behaviors that could compromise the quality of the block. Learning curves were developed to assess competence. RESULTS: The needle guidance group reached competence more often. This group had fewer attempts and quality-compromising behaviors than did those using conventional ultrasound. CONCLUSIONS: Use of the SonixGPS ultrasound needle guidance system improves the performance of technical needling skills of novice trainees in an ex vivo model. The place of this technology in the wider education of ultrasound-guided regional anesthesia remains to be established.
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 | 0,002 | 0,001 |
| 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 ».