Simulation‐based clinical learning for the third year medical student: Effectiveness of transabdominal and transvaginal ultrasound for elucidation of OB/GYN scenarios
Notice bibliographique
Résumé
PURPOSE: Point-of-care ultrasound (POCUS) is gaining recognition as a teaching modality that acts as an integrative learning tool during medical student transition to clinical rotations. This study aimed to determine if the use of ultrasound simulation enhances understanding of Obstetrical and Gynecological (Ob/Gyn) anatomy and pathology in third-year medical students (M3), and if M3 students found the simulator useful. METHODS: M3 students taking the OB/Gyn clerkship were invited to participate. Baseline knowledge of pelvic ultrasound anatomy and pathology was assessed with a multiple-choice question test. Participants received a one-hour OB/Gyn ultrasound simulation training session. A post-test assessed knowledge after the intervention. Survey data was collected regarding learning styles and learner satisfaction. RESULTS: Following simulator-based training, the median correct number of responses to the knowledge questions increased from 11 of 18 to 14 of 18 correct (P < .001). Statistically significant increases were also observed in comfort level with OB/GYN ultrasound (P < .001). All 68 students answered that the ultrasound simulator was helpful and enjoyed using the simulator. CONCLUSIONS: This study suggests that ultrasound simulators are useful for improvement in knowledge, comfort level, and ability to identify pathology in Ob/Gyn scenarios in M3 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 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 | 0,010 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».