MétaCan
Menu
Retour à la cohorte
Enregistrement W2322321996 · doi:10.1097/acm.0b013e31828b0464

A Historical Examination of the Budin-Pinard Phantom

2013· article· en· W2322321996 sur OpenAlexaboutno aff
Harry Owen, Marco A. Pelosi

Notice bibliographique

RevueAcademic Medicine · 2013
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueMedical History and Innovations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)The RenaissanceMedical educationObstetrics and gynaecologyImaging phantomComputer scienceMedical physicsMedicinePregnancyHistoryRadiology

Résumé

récupéré en direct d'OpenAlex

In the 19th and early 20th centuries, obstetric simulators were widely used in medical schools to teach patient assessment skills and to allow students to learn and practice management of a wide range of conditions. Several types of simulators were manufactured, but one, known as the Budin-Pinard phantom, was specifically identified and recommended by J. Whitridge Williams of Johns Hopkins University in a paper he presented to the June 1898 meeting of the Association of American Medical Colleges. Obstetrics simulation became less popular as more women were encouraged to deliver in hospitals, providing trainees the opportunity to learn from actual patients. Today, though, simulation is undergoing a renaissance in obstetrics as a tool to improve learning and patient safety. In light of this shift, the authors examine the origins of simulation in obstetrics training, and specifically why Williams recommended the Budin-Pinard simulator in particular. They investigate the context of simulation in U.S. and Canadian obstetrics training generally up to the early 20th century and provide details about the Budin-Pinard simulator. Finally, the authors offer a discussion of how the Budin-Pinard simulator shaped obstetrics training in the 19th and early 20th centuries and how it can contribute to modern medical education.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0050,015
Communication savante0,0030,004
Science ouverte0,0010,003
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,072
Tête enseignante GPT0,258
Écart entre enseignants0,185 · 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

Citations22
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademic MedicineMême sujetMedical History and InnovationsTravaux en français237 207