Validation of a Low-cost Optic Nerve Sheath Ultrasound Phantom: An Educational Tool
Notice bibliographique
Résumé
To validate an ocular phantom as a realistic educational tool utilizing in vivo and phantom optic nerve sheath (ONS) images obtained by ultrasound. This prospective study enrolled 51 resident physicians from the Denver Health Residency in Emergency Medicine (EM) and 10 ultrasound fellowship-trained EM attending physicians. Participants performed optic nerve sheath diameter (ONSD) measurements on five in vivo and five phantom ocular ultrasound images and rated the realism of each image on a 5-point Likert scale. Chi-square analysis was performed to evaluate the subjective “realness” of in vivo and phantom images. Sixty-one participants performed ONSD measurements. Mean Likert scale values were 3.43 (95% confidence interval: 3.31–3.55) for in vivo images and 3.41 (95% confidence interval: 3.28–3.54) for phantom images. There was no statistical difference in subjective “realness” between in vivo and phantom ONSD ultrasound images among EM residents. Ultrasound fellowship-trained EM attending physicians aptly differentiated between in vivo ( p < 0.01) and phantom ( p < 0.01) images, as compared with EM residents. Our ocular phantom simulates in vivo posterior ocular anatomy. EM resident physicians found the phantom indistinguishable from in vivo images. Our ONS model provides an inexpensive and realistic educational tool to teach bedside ONSD sonography.
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 | 0,009 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».