MétaCan
Menu
Retour à la cohorte
Enregistrement W2357833138 · doi:10.18192/uojm.v6i1.1515

Three-Dimensional Printing and Medical Education: A Narrative Review of the Literature

2016· review· en· W2357833138 sur OpenAlexaffvenue
Michael Bartellas

Notice bibliographique

RevueUniversity of Ottawa Journal of Medicine · 2016
Typereview
Langueen
DomaineEngineering
ThématiqueAnatomy and Medical Technology
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésMedical educationNarrativeNarrative reviewMedicineSet (abstract data type)Computer scienceArt

Résumé

récupéré en direct d'OpenAlex

Objectives: Three-dimensional (3D) printing has emerged in the past decade as a promising tool for the world of medicine. The focus of this article is to review how 3D printed models have been used in medical education.Methods: PubMed was the article database used, and the search criteria included the terms 3D printing and education. The exclusion criteria filtered out articles that were older than ten years, were not in English, and did not target a human population. There were 90 discovered articles, and 38 appropriate articles were determined after reviewing titles and abstracts.Results: Three main themes emerged from this review: general medical education, surgical education, and patient education. The more specific findings can be further divided into: using 3D printed models for teaching anatomy and simulation training; and preop­erative planning, intraoperative guidance, and postoperative evaluation.Conclusions: The general consensus was that 3D haptic modelling was a useful tool for educating trainees, staff physicians, and pa­tients. The models helped in increasing participants’ understanding of anatomy and pathologies, and improving trainee skill set and confidence. There is much support to continue research in this area and to further develop ways in which 3D printing can help improve medical education. Objectifs : L’impression tridimensionnelle (3D) s’annonce comme un outil prometteur pour le monde de la médecine. Le présent ar­ticle révisera comment les méthodes d’impression 3D ont été utilisées dans l’éducation médicale.Méthodes : La base de données utilisée pour les articles fut PubMed et les critères de recherche ont inclus les termes impression 3D et éducation. Les critères d’exclusion ont omis des articles qui dataient de plus de dix ans, qui n’étaient pas en anglais, et qui n’avaient pas comme cible la population humaine. Il y a 90 articles qui furent trouvés en tout et 38 de ces articles ont été jugés adéquats pour la révision.Résultats : Trois grands thèmes ont été ressortis lors de cette révision : éducation médicale générale, éducation chirurgicale, et éduca­tion des patients. De façon plus précise, les thèmes spécifiques suivants furent dégagés : l’utilisation d’impression de modèles 3D pour l’enseignement de l’anatomie et la formation par simulation, la préparation préopératoire, le guide intraopératoire, et l’évaluation postopératoire.Conclusion : Les modèles haptiques 3D étaient reconnus comme un outil efficace pour éduquer les stagiaires, les médecins, et les patients. Ces modèles ont aidé à augmenter la compréhension de l’anatomie et de la pathologie des participants et ont augmenté la confiance et les habiletés des stagiaires. Ces preuves démontrent l’importance de continuer la recherche dans ce domaine afin de développer davantage de façons d’optimiser l’éducation médicale à l’aide de l’impression tridimensionnelle.

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)0,004
score de la tête « metaresearch » (Gemma)0,021
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,021
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0090,010
Études des sciences et des technologies0,0010,002
Communication savante0,0040,005
Science ouverte0,0010,001
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,008
Tête enseignante GPT0,257
Écart entre enseignants0,249 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUniversity of Ottawa Journal of MedicineMême sujetAnatomy and Medical TechnologyTravaux en français237 207