Training module to teach ultrasound-guided breast biopsy skills to residents improves accuracy.
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the effectiveness of a training module in teaching residents the skills necessary to perform accurate and safe ultrasound-guided breast biopsies (USGBB). METHODS: Twelve residents with no USGBB experience, but variable ultrasound (US) experience, were randomly assigned to 2 groups; 1 group participated in a training module, and the other received no training. Each resident then attempted 30 core biopsies of "lesions" implanted in breast phantoms. Successful biopsies extracted some "lesion" material. "Chest wall" hits were also counted. RESULTS: The trained residents had significantly fewer "chest wall" hits than the untrained group (p < 0.002), but there was no significant difference in the number of successful biopsies (73% v. 43%, p = 0.09). The subgroup of residents who were USGBB trained but inexperienced in US (n = 4) achieved more successful biopsies (p < 0.05) and fewer "chest wall" hits (p < 0.01) than their matched untrained cohort (n = 3). The trained US-experienced subgroup (n = 2) had fewer "chest wall" hits than the matched untrained subgroup (n = 3; p < 0.05) but similar biopsy success rates. Untrained US-experienced residents (n = 3) had more successful biopsies than untrained US-inexperienced residents (n = 3; p < 0.001) and similar "chest wall" hits. CONCLUSION: Residents with training perform USGBBs more safely, and training significantly improves accuracy of USGBB in residents with no US experience. US experience improves biopsy success rates but does not affect safety levels of residents with no USGBB training.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».