‘How to do’: digital-interactive-interpretation course for stress echocardiography
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Why?: To improve stress echocardiography interpretation standards, we introduced a structured 5-day interpretation course in 2017. In order to deliver the course during the world-wide pandemic, we transformed the existing boardroom style, workstation-based, interactive course into a cloud-based digital entity maintaining the same features. How?: On completion of 6 lectures via live webinars, 15 participants performed, fully GDPR compliant, 80 recorded case analysis using a web-based reporting system over the course of 5 days. After self-reporting and generating preliminary reports the joint case review with the faculty, resulted in finalization of the reports and provided individual feedback for the participants. By the 5th day, participants had collected 80 reports for their e-logbook and were ready to sit the digital interpretation exam. Results: Eighty-eight percent of participants passed the e-exam and received a certificate of completion with 15 re-accreditation and 30 CPD points by the British Society of Echocardiography and Federation of the Royal Colleges of Physicians, UK, respectively. The feedback by the participants was praising the pre-course provision of lectures and digital aids, the conduct of the course by the faculty and the technical support with an average score of 4.7 for each, on a scale from 1 to 5. Conclusion: Our experience proved that interactive, multi-day; hands-on reporting course can be delivered using the digital platform. Online interpretation courses have great potential to improve the competency of imaging specialists. This digital teaching model could be suitable in other imaging-based training courses like cardiac CT and MRI.
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.
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 | 0,000 | 0,001 |
| 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 | 0,000 | 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 découle