Teaching Oncology Residents Anatomy: A Multidisciplinary (MDT) Approach
Notice bibliographique
Résumé
Radiation oncology has undergone a paradigm shift with the advent of precision radiotherapy techniques, demanding a thorough understanding of gross and radiologic anatomy for diagnostic and therapeutic applications. Complex anatomic sites present challenges for learners and are not well‐addressed in traditional postgraduate curricula. We developed a novel, MDT, hands‐on head‐and‐neck curriculum for residents and empirically assessed learning outcomes. 15 post‐graduate trainees participated in 4 MDT head‐and‐neck workshops, created collaboratively by an anatomist, radiologist, radiation oncologist, and otolaryngologist. Pre‐ and posttesting was performed to assess knowledge and accuracy of contouring, with a demographic profile survey and post‐intervention feedback survey. Paired analyses of knowledge pretests and postests were performed by Wilcoxon signed‐rank test. A statistically significant (p<0.001) mean absolute change of 4.6 points was observed between knowledge pretest and posttest scores. Contouring accuracy will be analyzed qualitatively (adequacy assessed by an expert) and quantitatively (calculating spatial overlap of participants’ contours and a gold standard through the dice similarity coefficient). Incorporating MDT anatomic workshops into the curriculum is a beneficial intervention associated with improved post‐intervention scores and resident satisfaction. Grant Funding Source : Departmental Submitted to PAEA 5/25/2012 (bqmelcher)
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 | 0,003 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 ».