MétaCan
Menu
Retour à la cohorte
Enregistrement W2990899996 · doi:10.24908/pocus.v4i2.13845

Simulator-Based Training in FoCUS with Skill-Based Metrics for Feedback: An Efficacy Study

2019· article· en· W2990899996 sur OpenAlexvenueno aff
Robert Morgan, Bradley Sanville, Shashank Bathula, Shaban Demirel, Serene Perkins, Gordon E. Johnson

Notice bibliographique

RevuePOCUS Journal · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound in Clinical Applications
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Washington
Mots-clésMedicineTraining (meteorology)Physical therapySimulation trainingDreyfus model of skill acquisitionMedical physicsSimulationComputer science

Résumé

récupéré en direct d'OpenAlex

Introduction: Focused Cardiac Ultrasound (FoCUS) is a relatively new technology that requires training and mentoring. The use of a FoCUS simulator is a novel training method that may prompt greater adoption of this technology by physicians at different levels of training and experience. The objective of this study was to determine if simulation training using an advanced echo simulator (Real Ultrasound®) is a feasible means of delivering training in FoCUS. Methods: Twenty-five residents and attending physicians participated in this study. After performing a pretest, training on the Real Ultrasound® was administered. Improvement was assessed immediately after simulator training. Additionally, some participants were retested six months after training to determine whether learned skills were retained. Results: Of the 25 participants recruited, all completed the pretest phase, and 17 completed the training and immediate posttest assessment. At pretest, the median angular deviation of acquired images from anatomically correct was 37°, which improved to 30° after training (p<0.002). Technical skill was largely maintained at six months of follow-up, with a median angle error of 27 and 31°, respectively (p=0.093) in 8 participants who completed the post and six-month retention assessments. The median pretest image interpretation score improved from 55% to 70% (p=0.028); median post and six month scores in the 8 participants were 72 and 68%, respectively (p=0.735). Conclusions: Simulation training in FoCUS significantly improves skills in image acquisition. These skills appear to be retained over time. This study adds support for the use of advanced echocardiographic simulators to enhance formal FoCUS training in a real-world setting.

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)0,007
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: Essai non randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,063
Tête enseignante GPT0,382
Écart entre enseignants0,319 · 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'étudeEssai non randomisé
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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePOCUS JournalMême sujetUltrasound in Clinical ApplicationsTravaux en français237 207