Simulation‐Based Structured Education Supports Focused Neonatal Cranial Ultrasound Training
Notice bibliographique
Résumé
OBJECTIVES: Brain injury in preterm neonates may cause clinical deterioration and requires timeous bedside diagnosis. Teaching cranial ultrasound (US) skills using fragile preterm neonates is challenging. The purpose of this study was to test the effectiveness and feasibility of using task-trainer computer-based simulators and US-suitable cranial phantoms in combination with teaching sessions in teaching novices to perform focused cranial US evaluations for identifying substantial intraventricular hemorrhage. METHODS: This was a prospective interventional educational study targeting participants with no prior skills in neonatal cranial US. Participants attended a 2-day training workshop, with didactic and hands-on interactive sessions using computer-based and 3-dimensional printed phantom simulators. Participants then performed a cranial US scan on a healthy neonate to assess the diagnostic quality of the images acquired. Individual precourse and postcourse knowledge tests were compared. To test recall, participants also submitted US images acquired on neonates within 3 and 6 months of attending the course. RESULTS: Forty-five participants completed the training modules. Mean knowledge scores increased significantly (in brain anatomy, brain physiology, intracranial disorders, and US physics domains). Thirty-eight cranial US scans were acquired during the course, 22 within 3 months after completion, and 34 within 6 months after completion. Thirty-two (84%) of the initial 38 case images, 17 (77%) of 22 images submitted within 3 months, and 32 (94%) of 34 images submitted within 6 months after course completion were of diagnostic quality. CONCLUSIONS: A structured training module with didactic and hand-on training sessions using simulators and phantoms is feasible and supports training of clinicians to perform focused cranial US examinations.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,005 | 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 ».