OP15.04: Simulator‐based obstetric ultrasound training: a prospective randomised single‐blinded study
Notice bibliographique
Résumé
Compare the use of simulator-based to patient-based obstetric ultrasound training. Prospective, randomised, single-blinded trial.18 trainees with minimal ultrasound exposure were recruited. Mid-trimester fetal brain anatomy in the standard planes: (BPD and HC, CSP, posterior fossa, and lateral ventricles) was chosen as a surrogate for all fetal anatomy ultrasound training. Trainees were randomised into 2 groups according to training method: Simulator group (“SIM”,n = 9) or Patient Group (“PT”,n = 9). The study design was as follows: a didactic session of the required planes, followed by ‘real’ patient 15 minute pre-test. 45 minute training session with dedicated ultrasound educator, using either Simulator or ‘real’ Patient. 15 minutes post-test: to obtain and label the standard 4 planes on a ‘real’ patient. All images were stored and then scored by 2 blinded MFM staff, according to 3 set criteria: image quality, landmarks and measurements. Each criterion was scored 0–15 for a total score of 0–60. Pre-test competence was similar between the groups. All trainees improved significantly (mean score pre-test 14.6 vs post-test 26.6, p < 0.05). For both groups a significant score improvement following training was found: PT (mean score pre-test 13.3 vs. post-test 24.6 p < 0.04) and SIM (mean score pre-test 15.9 vs. post-test 28.9 p < 0.05). Trainees were further divided by initial level of confidence (pretest score ≤5: very unconfident (VU); pretest >5: unconfident (U)). Improvement was similar for both groups but VU performance improved more in the SIM (mean pre vs. post test score 3.5 to 35) compared to PT (mean pre vs. post test score 2.3 to 25.6). Basic simulator based obstetric ultrasound training preformed as well as real patient training, and was found especially beneficial for beginner trainees. It may provide a solution in the form of a protected, accessible tool to help overcome the challenges of residency ultrasound training as well as improve patient care.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».