Use of Three-Dimensional Printing Models for Veterinary Medical Education: Impact on Learning How to Identify Canine Vertebral Fractures
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
Vertebral fractures and luxations are common causes of neurological emergencies in small-animal patients. The objective of this study was to evaluate the impact of three-dimensional printing (3Dp) models on how veterinary students understand and learn to identify canine spinal fractures and to compare 3Dp models to computed tomography (CT) images and three-dimensional CT (3D-CT) reconstructions. Three spinal fracture models were generated by 3Dp. Sixty first-year veterinary students were randomized into three teaching module groups (CT, 3D-CT, or 3Dp) and asked to answer a multiple-choice questionnaire with 12 questions that covered normal spinal anatomy and the identification of vertebral fractures. We used four additional questions to evaluate the overall learning experience and knowledge acquisition. Results showed that students in the 3Dp group performed significantly better than those in the CT ( p < .001) and the 3D-CT ( p < .001) groups. Students in the 3Dp and 3D-CT groups answered all questions more quickly than the CT group (3Dp versus CT, p < .001; 3D-CTversus CT, p < .001), with no significant differences between the 3Dp and 3D-CT groups ( p = .051). Only the degree of knowledge acquisition that the students considered they had acquired during the session showed significant differences between groups ( p = .01). In conclusion, across first-year veterinary students, 3Dp models facilitated learning about normal canine vertebral anatomy and markedly improved the identification of canine spinal fractures. Three-dimensional printing models are an easy and inexpensive teaching method that could be incorporated into veterinary neuroanatomy classes to improve learning in undergraduate students.
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 | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle