MétaCan
Menu
Retour à la cohorte
Enregistrement W3111549254 · doi:10.1016/j.arrct.2020.100098

Education in the Time of COVID: At-a-Distance Training in Neuromusculoskeletal Ultrasonography

2020· article· en· W3111549254 sur OpenAlexaffabout
Amy Cook, Peter Inkpen

Notice bibliographique

RevueArchives of Rehabilitation Research and Clinical Translation · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound in Clinical Applications
Établissements canadiensUniversity of British ColumbiaUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésSpecialtyCurriculumMedical educationCoronavirus disease 2019 (COVID-19)MedicinePoint of care ultrasoundUltrasonographySet (abstract data type)Variety (cybernetics)Point (geometry)UltrasoundFamily medicinePsychologyDiseaseRadiologyPathologyPedagogyComputer scienceInfectious disease (medical specialty)Artificial intelligence

Résumé

récupéré en direct d'OpenAlex

Point of care ultrasound is important to the specialty of physical medicine and rehabilitation (PM&R) to aid in the diagnosis and treatment of a variety of neuromusculoskeletal conditions commonly seen in practice. However, across Canada, resident education of sonoanatomy skills is variable. There remain no standards in terms of how ultrasound is taught as part of the residency curriculum as set by the Royal College of Physicians and Surgeons of Canada. As such, residents are often required to find their own educational opportunities. This report describes an alternative approach to learning these skills that was inspired by disruption due to coronavirus disease 2019 in first year residency. This report explores how a PM&R resident was able to develop valuable ultrasound skills from home using not only textbooks and videos, but also new and novel teleguidance technology, namely an ultrasound probe that connects to a clinician's own smart devices to display images.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0170,004

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 Opus0,108
Tête enseignante GPT0,453
Écart entre enseignants0,345 · 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'étudeObservationnel
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

Citations7
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueArchives of Rehabilitation Research and Clinical TranslationMême sujetUltrasound in Clinical ApplicationsTravaux en français237 207