Imaging skills for transthoracic echocardiography in cardiology fellows: The value of motion metrics
Notice bibliographique
Résumé
BACKGROUND: Proficiency in transthoracic echocardiography (TTE) requires an integration of cognitive knowledge and psychomotor skills. Whereas cognitive knowledge can be quantified, psychomotor skills are implied after repetitive task performance. We applied motion analyses to evaluate psychomotor skill acquisition during simulator-based TTE training. METHODS AND RESULTS: During the first month of their fellowship training, 16 cardiology fellows underwent a multimodal TTE training program for 4 weeks (8 sessions). The program consisted of online and live didactics as well as simulator training. Kinematic metrics (path length, time, probe accelerations) were obtained at the start and end of the course for 8 standard TTE views using a simulator. At the end of the course TTE image acquisition skills were tested on human models. After completion of the training program the trainees reported improved self-perceived comfort with TTE imaging. There was also an increase of 8.7% in post-test knowledge scores. There was a reduction in the number of probe accelerations [median decrease 49.5, 95% CI = 29-73, adjusted P < 0.01], total time [median decrease 10.6 s, 95% CI = 6.6-15.5, adjusted P < 0.01] and path length [median decrease 8.8 cm, 95% CI = 2.2-17.7, adjusted P < 0.01] from the start to the end of the course. During evaluation on human models, the trainees were able to obtain all the required TTE views without instructor assistance. CONCLUSION: Simulator-derived motion analyses can be used to objectively quantify acquisition of psychomotor skills during TTE training. Such an approach could be used to assess readiness for clinical practice of TTE.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».