Online virtual cases to teach resource stewardship
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: As health care costs rise, medical education must focus on high-value clinical decision making. To teach and assess efficient resource use in rheumatology, online virtual interactive cases (VICs) were developed to simulate real patient encounters to increase price transparency and reinforce cost consciousness. To teach and assess efficient resource use in rheumatology, online virtual interactive cases (VICs) were developed METHODS: The VIC modules were distributed to a sample of medical students and internal medicine residents, who were required to assess patients, order appropriate investigations, develop differential diagnoses and formulate management plans. Each action was associated with a time and price, with the totals compared against ideals. Trainees were evaluated not only on their diagnosis and patient management, but also on the total time, cost and value of their selected workup. Trainee responses were tracked anonymously, with opportunity to provide feedback at the end of each case. RESULTS: Seventeen medical trainees completed a total of 48 VIC modules. On average, trainees spent CAN $227.52 and 68 virtual minutes on each case, which was lower than expected. This may have been the result of a low management score of 52.4%, although on average 92.0% of participants in each case achieved the correct diagnosis. In addition, 85.7% felt more comfortable working up similar cases, and 57.1% believed that the modules increased their ability to appropriately order cost-conscious rheumatology investigations. DISCUSSION: Our initial assessment of the VIC rheumatology modules was positive, supporting their role as an effective tool in teaching an approach to rheumatology patients, with an emphasis on resource stewardship. Future directions include the expansion of cases, based on feedback, wider dissemination and an evaluation of learning retention.
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.
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 | 0,002 | 0,004 |
| 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) | 0,001 | 0,001 |
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.
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 découle