MétaCan
Menu
Retour à la cohorte
Enregistrement W2751502839 · doi:10.2196/mededu.7919

Mobile Apps for Teaching Intubation: Scoping Review and Critical Analysis in eLearning

2017· article· en· W2751502839 sur OpenAlexaffvenue
Clyde Matava, Anne-Marie Leo, Fahad Alam

Notice bibliographique

RevueJMIR Medical Education · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésIntubationMobile appsComputer scienceMedical educationMultimediaPsychologyMedicineWorld Wide WebAnesthesia

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Airway management is a core skill in anesthesia ensuring adequate oxygenation and delivery of inhalational agents for the patient. OBJECTIVE: The goals of this study were to critically evaluate the quality of airway management apps and target revised Bloom's Taxonomy cognitive levels. METHODS: An electronic search using the keywords "airway" and "airway management" was conducted in May 2015 across the App Store, Google Play, BlackBerry World, and Windows Store. Apps were included in the study if their content was related to airway management. App content and characteristics were extracted into a standard form and evaluated. RESULTS: A total of 65 apps met the inclusion criteria, and 73% (47/65) of apps were developed by companies or industry. Anesthesiology trainees were the target audience in only 20% (13/65) of apps. Bag mask ventilation and laryngeal mask airways were covered in only 20% (13/65) of apps. Only 2 apps were supported in the scientific literature. For Bloom's Taxonomy, 37% (24/65) of apps targeted knowledge, 5% (3/65) comprehension, 22% (14/65) application, 28% (18/65) analysis, 9% (6/65) evaluation, and 0% synthesis. Multivariate analysis identified cost of apps, size of apps (MB), and apps targeting trainees and paramedics to be associated with higher levels of cognitive processing of revised Bloom's Taxonomy. CONCLUSIONS: Apps developed for teaching intubation target lower levels of cognitive processing and are largely not validated by research. Cost, app size, and targeted user are associated with higher cognitive levels. Trainees and all users should be aware of the paucity of the published evidence behind the efficacy of some of these apps.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,074
score de la tête « metaresearch » (Gemma)0,266
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,074
Score d'incertitude au seuil0,391

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0740,266
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0050,007
Bibliométrie0,0450,025
Études des sciences et des technologies0,0030,003
Communication savante0,0070,008
Science ouverte0,0030,005
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,045
Tête enseignante GPT0,567
Écart entre enseignants0,522 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJMIR Medical EducationMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207