Remote Mentoring of Point‐of‐Care Ultrasound Skills to Inexperienced Operators Using Multiple Telemedicine Platforms: Is a Cell Phone Good Enough?
Notice bibliographique
Résumé
OBJECTIVES: Telemedicine technology contributes to the teaching of point-of-care ultrasound (US); however, expensive equipment can limit its deployment in resource-challenged settings. We assessed 3 low-cost telemedicine solutions capable of supporting remote US training to determine feasibility, acceptability, and effectiveness. We also explored the value of instructional videos immediately before telementoring. METHODS: Thirty-six participants were randomly assigned to receive US mentoring in 1 of 3 telemedicine conditions: multiple fixed cameras, a smartphone, and traditional audio with a live US stream. Participants were then asked to perform a standardized US examination of the right upper quadrant under remote guidance. We measured observer's global ratings of performance along with the mentor's and student's rating of effort and satisfaction to determine which of the 3 approaches was most feasible, acceptable, and effective. During the second phase, students were randomized to watch an instructional video or not before receiving remote coaching on how to complete a subxiphoid cardiac examination. Effort, satisfaction, and performance from the independent observer's and student's perspective were surveyed. RESULTS: There was no significant difference between the different telemedicine setups from the observer's perspective; however, the mentor rated the smartphone significantly worse (P = .028-.04) than other technologies. Platforms were rated equivalent from the student's perspective. No benefit was detected for watching an instructional video before the mentored task. CONCLUSIONS: Remote US skills can be taught equally effectively by using a variety of telemedicine technologies. Smartphones represent a viable option for US training in resource-challenged settings.
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 | 0,003 | 0,013 |
| 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 | 0,001 | 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) | 0,004 | 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 ».