Preclerkship Point-of-Care Ultrasound: Image Acquisition and Clinical Transferability
Notice bibliographique
Résumé
INTRODUCTION: The integration of point-of-care ultrasound (POCUS) in preclerkship medical education is currently popular and based on the notion that POCUS may improve diagnostic and procedural skills in medical students. However, empirical evidence demonstrating that POCUS can enhance clinical skills in preclerkship students has been lacking. We sought to evaluate anatomical sonographic knowledge and ultrasound generation capabilities associated with the implementation of a 3-h echocardiography training camp led by 2 emergency physicians and using a flipped classroom design. METHODS: Preclerkship students from the University of Ottawa (n = 32) were recruited to participate. A flipped classroom model was adopted, providing students with a 3-chaptered peer-designed, expert validated ultrasound manual before the workshop, to maximize scanning times (2 h of reading). A pretest Likert-type design was used to assess student perception of the ultrasound tool. Similarly, a pretest/post-test model was used to assess sonographic anatomical identification. In addition, a subsequent Objective Structured Clinical Examination (OSCE) test was done 3 weeks after the hands-on session, to evaluate image generation (4 cardiac views: parasternal long, parasternal short, subxiphoid, and apical 4 chambers), understanding of knobology and structural labeling. RESULTS: < .001) between pretest (average = 12.12) and post-test (average = 18.85). The OSCE, which also ascertained knowledge retention, found that 81% of students were able to generate all 4 cardiac views perfectly, 6% were able to obtain 3 views, 10% obtained 2 views and 3% successfully generated a single view. The most challenging scan to generate was the apical 4-chamber view. CONCLUSION: The positive outcomes stemming from this study reinforces the notion that formal curricular integration of POCUS at the preclerkship level has tangible benefits for medical students.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».