SU‐F‐E‐07: Web‐Based Training for Radiosurgery: Methods and Metrics for Global Reach
Notice bibliographique
Résumé
Purpose: Webinars have become an evolving tool with greater or lesser success in reaching health care providers (HCPs). This study seeks to assess best practices and metrics for success in webinar deployment for optimal global reach. Methods: Webinars have been developed and launched to reach practicing health care providers in the field of radiation oncology and radiosurgery. One such webinar was launched in early February 2016. “Multiple Brain Metastases & Volumetric Modulated Arc Radiosurgery: Refining the Single‐Isocenter Technique to Benefit Surgeons and Patients” presented by Drs. Fiveash and Thomas from UAB was submitted to and accredited by the Institute for Medical Education as qualifying for CME as well as MDCB for educational credit for dosimetrists, in order to encourage participation. MedicalPhysicsWeb was chosen as the platform to inform attendees regarding the webinar. Further IME accredited the activity for 1 AMA PRA Category 1 credit for physicians & medical physicists. The program was qualified by the ABR in meeting the criteria for self‐assessment towards fulfilling MOC requirements. Free SAMs credits were underwritten by an educational grant from Varian Medical Systems. Results: The webinar in question attracted 992 pre‐registrants from 66 countries. Outside the US and Canada; 11 were from the Americas; 32 were from Europe; 9 from the Middle East and Africa. Australasia and the Indian subcontinent represented the remaining 14 countries. Pre‐registrants included 423 Medical Physicists, 225 Medical Dosimetrists, 24 Radiation Therapists, 66 Radiation Oncologists & other. Conclusion: The effectiveness of CME and SAM‐CME programs such as this can be gauged by the high rate of respondents who state an intention to change practice habits, a primary goal of continuing medical education and self‐assessment. This webinar succeeded in being the most successful webinar on Medical Physics Web as measured by pre‐registration, participation and participation to pre‐registration ratio. R.A. Schulz is an employee of Varian Medical Systems
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 | 0,085 | 0,137 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,009 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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 ».