Creation of a high-fidelity simulation tool to teach competency in radiation oncology treatment plan evaluation.
Notice bibliographique
Résumé
11007 Background: Although treatment plan evaluation (TPE) is a core competency for radiation oncology residents, gaps in teaching exist. The purpose was to create an interactive TPE case bank for residents to improve competency. Methods: A needs assessment informed case bank development. Residents assessed their confidence in TPE using a 10-point Likert scale (1 = least, 10 = most confident). A list of clinically unacceptable plans were compiled and categorized by clinical site, reason for rejection and relevance. An interactive web-based DICOM-RT tool was used to query and interact with the case bank database. A companion software tool, acting as an interactive simulation platform, was created allowing user interaction. Results: Twenty-three participants (70%) responded to the needs assessment: 6 junior, 7 senior and 10 former residents. Opportunities for improving TPE were identified; the mean confidence scores were: target coverage assessment (6.3+2.7), doses to normal tissue (6.2+2.5), conformity (5.5 +2.6), plan acceptability (5.4+2.5) and ability to suggest improvements (4.8+2.3). Extracted themes for case bank development included incorporating diverse clinical sites, target coverage/normal tissue assessment, conformity and provision of feedback. Of the 677 clinically unacceptable plans, a final list of 50 were selected for inclusion. They were categorized, anonymized and imported. Additional (un)acceptable plans were generated to augment the case bank where required. The companion simulation software platform describes each clinical scenario and allows residents to enter their assessment and suggested corrective action (if applicable). The platform then provides immediate feedback, including error description and correction strategy. Conclusions: An innovative TPE case bank has been created to address a learning gap in radiation oncology training. The high fidelity simulation format allows case interactivity and feedback with the goal of improving TPE competency. This platform can be leveraged for teaching/assessment in competency based medical education. Future work will evaluate resident satisfaction with and effectiveness of the case bank as a learning tool.
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 | 0,005 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,004 |
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 ».