Comparison of a Silicon Skin Pad and a Tea Towel as Models for Learning a Simple Interrupted Suture
Notice bibliographique
Résumé
There has been rapid growth in the range of models available for teaching veterinary clinical skills. To promote further uptake, particularly in lower-income settings and for students to practice at home, factors to consider include cost, availability of materials and ease of construction of the model. Two models were developed to teach suturing: a silicon skin pad, and a tea towel (with a check pattern) folded and stapled to represent an incision. The models were reviewed by seven veterinarians, all of whom considered both suitable for teaching, with silicon rated as more realistic. The learning outcome of each model was compared after students trained to perform a simple interrupted suture. Thirty-two second-year veterinary students with no prior suturing experience were randomly assigned to three training groups: silicon skin pad or tea towel (both self-directed with an instruction booklet), or watching a video. Following training, all students undertook an Objective Structured Clinical Examination (OSCE), placing a simple interrupted suture in piglet cadaver skin. The OSCE pass rates of the three groups were silicon skin pad, 10/11; tea towel, 9/10; and video, 1/11. There was no significant difference between the model groups, but the model groups were significantly different from the video group ( p < .017). In conclusion, the tea towel was as effective as the silicon skin pad, but it was cheaper, simpler to make, and the materials were more readily available. In addition, both models were used effectively with an instruction booklet illustrating the value of self-directed learning to complement taught classes.
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 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 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».