Use of tracheobronchial tree 3-dimensional printed model: does it improve trainees’ understanding of segmentation anatomy? A prospective study
Notice bibliographique
Résumé
BACKGROUND: This prospective study investigated whether the use of 3D-printed model facilitates novice learning of radiology anatomy on multiplanar computed tomography (CT) when compared to traditional 2D-based learning tools. Specifically, whether the use of a 3D printed model improved interpretation of multiplanar CT tracheobronchial anatomy. METHODS: Thirty-one medical students (10F, 21 M) from years one to three were recruited, matched for gender and level of training and randomized to 2D or 3D group. Students underwent 20-min self-study session using 2D-printed image or 3D-printed model of the tracheobronchial tree. Immediately after, students answered 10 multiple-choice questions (Test 1) to identify tracheobronchial tree branches on multiplanar CT images. Two weeks later, identical test (Test 2) was used to assess retention of information. Mean scores of 2D and 3D groups were calculated. Student's t test was used to compare mean differences in tests scores and analysis of variance (ANOVA) was used to assess the interaction of gender, CT imaging plane and time on test scores between the two groups. RESULTS: For test 1, 2D group had higher mean score than 3D group although not statistically significant (7.69 and 7.43, p = 0.39). Mean scores for Test 2 were significantly lower than for Test 1 (7 and 7.57, p = 0.03) with mean score decline for 2D group (Test 1 = 7.69, Test 2 = 6.63, p = 0.03), and similar score for 3D group (Test 1 and 2 = 7.43). There was no statistically significant interaction of gender and test score over time. Significant interaction between group and time of test was found for axial CT images but not for coronal images. CONCLUSIONS: Use of a 3D-printed model of the tracheobronchial anatomy had no immediate advantage over traditional 2D-printed images for learning CT anatomy. However, use of a 3D model improved students' ability to retain learned information, irrespective of gender.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».