A Virtual Reality Simulation Model of Spinal Ultrasound
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Ultrasound assessment of the lumbar spine improves the success of spinal and epidural anesthesia, especially for patients with underlying difficult anatomy. To assist with the teaching and learning of ultrasound-guided neuraxial anesthesia, we have created an online interactive educational model (http://www.usra.ca/vspine.php and http://pie.med.utoronto.ca/vspine). The aim of the current study was to determine whether the virtual spine model improved the knowledge of neuraxial anatomy and sonoanatomy. METHODS: After obtaining ethics board approval and written participant consent, 14 anesthesia trainees with no prior experience with spine ultrasound imaging were included in this study. Construct validity was assessed using a pretest/posttest design to measure the knowledge acquired from self-study of the virtual spine simulation modules. Two tests (A and B) with 20 multiple-choice questions were used either for the pretest or posttest, at random in order to account for possible differences in difficulty between the 2 tests. These tests were administered immediately before and after a 1-hour training session using the spine ultrasound model. RESULTS: Fourteen anesthesia trainees completed the study. Seven used test A as the pretest (group A), and 7 used test B as the pretest (group B). Both groups showed a statistically significant improvement (P < 0.05) in test scores after a 1-hour session with the spine ultrasound model. The mean scores were 55% (SD, 11.2%) on the pretest and 77% (SD, 8.7%) on the posttest. CONCLUSIONS: The study demonstrated that after 1 hour of self-study by the trainees on the spine ultrasound model test scores improved by 40%.
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 | 0,000 |
| 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) | 0,001 | 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 ».