Notice bibliographique
Résumé
Abstract Introduction We recognized a need at our institution for a resource to facilitate self-learning of basic liver histology and pathology. An interactive, web-based learning module was determined to be an ideal type of educational tool. The Liver Biopsy Crash Course is a self-learning resource for mastering basic liver histology and pathology. It is a useful aid for hepatology clinical fellows participating in liver pathology biopsy rounds and preparing for their exams. It is also useful for off-service/clinical residents rotating through pathology and for junior-level pathology residents. Methods The module includes an instructor's guide, the web-based crash course resource, and a quiz. Results We are beginning to implement the use of the Liver Biopsy Crash Course with hepatology clinical fellows participating in liver pathology biopsy rounds and with junior-level pathology residents going through their initial liver pathology rotations. After completion of the module, residents were surveyed and asked about the impact on their understanding of liver pathology and if they felt that the resource was of benefit to their training. Any additional feedback was also invited. The results from this pilot have been overwhelmingly positive. Samples of actual comments received are: “I wish I had these a couple years ago… I wish there were more such modules on other topics;” “… quite a good review of liver pathology and helped establish a good approach to separating the different entities. I found it very useful (and enjoyable) to work through;” and “… very helpful, especially for junior residents who (like myself) may not be very familiar or confident with looking at the liver.” Discussion We plan to further assess the effectiveness of the module in a second phase, which will involve assessing the learning impact on gastroenterology/hepatology fellows and off-service residents participating in liver biopsy rounds.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,216 | 0,063 |
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 ».