MétaCan
Menu
Retour à la cohorte
Enregistrement W2947464730 · doi:10.15273/dmj.vol45no2.8998

Male catheter insertion simulation using a low-fidelity 3D-printed model in undergraduate medical learners

2019· article· en· W2947464730 sur OpenAlexaffvenue
Charlie Gillis, David P. Harvey, Nicole Bishop, Greg Walsh, Adam Dubrowski

Notice bibliographique

RevueDalhousie Medical Journal · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésChecklistComputer scienceUrinary catheter3d printedCatheterMedical physicsMedical simulationLikert scaleSimulationFidelityMedicineMedical educationSurgeryPsychologyBiomedical engineering

Résumé

récupéré en direct d'OpenAlex

Urinary catheter insertion is one of the most widely performed procedures in a clinical setting. Inexperienced cath- eterizations constitute a high percentage of urethral trauma in hospital settings, with as high as 75% of comorbidities related to inaccurate insertion. Simulation training can help learners feel more confident, shorten the learning curve, and provide a safe learning environment for novices to make, and learn from, mistakes. Three dimensional (3D)- printed simulation models are as effective as commercially available models for novice learners, and have the benefits of being inexpensive, anatomically correct, portable and can be easily modified and rapidly produced as needed. A 3D-printed male urinary catheter insertion simulation model, designed by MUNMed 3D, was offered to Memorial University medical students as part of pre-clerkship procedural training. Fourteen students were provided with a checklist for the procedure and the 3D-printed urinary catheter insertion simulator, and following the simulation, were asked to complete a 5-point Likert survey on their experience.The average self-reported skill before using the model was 1.29 (out of 5), which increased to 3.21 (out of 5). All 14 respondents selected either “agree” or “strongly agree” for the following four survey items: the simulation was an accurate anatomical representation, they would prefer learning on this simulation model before performing this procedure, they would recommend the model to other learners, and they found this model beneficial overall. Simulation training with a 3D-printed urinary catheter insertion simulator allows trainees the opportunity to become confident and familiarize themselves with the procedure before performing it on a real patient.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,372
Écart entre enseignants0,330 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDalhousie Medical JournalMême sujetSimulation-Based Education in HealthcareTravaux en français237 207