Stereoscopic (3D) Visualization Improves Medical Student Comprehension of Head and Neck Vascular Anatomy
Notice bibliographique
Résumé
The use of 3D stereoscopic models (3DSM) of head and neck blood vessels in anatomy education has not been studied in detail. We investigated whether 3DSM created from a prior study (Cui et al. 2015) would improve student learning of head and neck vascular anatomy. Comparisons were made between the use of 3DSM and identical but 2D flat screen images extracted from the 3D models in a first year medical gross anatomy course. Anatomical knowledge was tested via pre‐ and post‐learning session anatomy knowledge tests. In addition student fluency with mental rotation (pre‐ and post‐session rotation tests.) Results were analyzed using a Wilcoxon rank‐sum test and linear regression analysis. A total of 39 first year medical students participated in the study. Baseline pre‐learning session test scores were equivalent, 5.85±2.37 and 5.03±1.93 for 3DSM and 2D groups respectively. Students who utilized the 3DSM (n=21) scored significantly higher on the post‐learning tests compared to those using 2D images (n = 18) (11.43±2.79 vs 8.75±2.81) (p =0.0033). There was no significant difference on the mental rotation test scores between 3DSM (17.29±5.36) and 2D groups (17.39±6.42) after learning sessions (p=0.6208). In summary, the use of virtual stereoscopic 3D models improved medical student performance on knowledge tests of head and neck vascular anatomy, suggest new avenues for the use of virtual models in medical education. Support or Funding Information Faculty Scholarship Exchange Award
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 | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».