Cost-Efficient Medical Education: An Innovative Approach to Creating Educational Products
Notice bibliographique
Résumé
BACKGROUND: Cost is a barrier to creating educational resources, and new educational initiatives are often limited in distribution. Medical training programs must develop strategies to create and implement cost-effective educational programming. OBJECTIVE: We developed high-quality medical programming in procedural instruction with efficient economics, reaching the most trainees at the lowest cost. METHODS: The Just-In-Time online procedural program was developed at the University of Toronto in Canada, aiming to teach thoracentesis, paracentesis, and lumbar puncture skills to internal medicine trainees. Commercial vendors quoted between CAD $50,000 and $100,000 to create 3 comprehensive e-learning procedural modules-a cost that was prohibitive. Modules were therefore developed internally, utilizing 4 principles aimed at decreasing costs while creating efficiencies: targeting talent, finding value abroad, open source expansion, and extrapolating efficiency. RESULTS: Procedural modules for thoracentesis, paracentesis, and lumbar puncture were created for a total cost of CAD $1,200, less than 3% of the anticipated cost in utilizing traditional commercial vendors. From November 2016 until October 2018, 1800 online instructional sessions have occurred, with over 3600 pageviews of content utilized. While half of the instructional sessions occurred within the city of Toronto, utilization was documented in 10 other cities across Canada. CONCLUSIONS: The Just-in-Time online instructional program successfully created 3 procedural modules at a fraction of the anticipated cost and appeared acceptable to residents based on website utilization.
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 | 0,002 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».