E-learning to teach medical students about acute otitis media: A randomized controlled trial
Notice bibliographique
Résumé
OBJECTIVES: Acute otitis media (AOM) is extremely prevalent among children but its diagnosis remains challenging. Our primary objective was to measure the impact of an e-learning module on medical students' accuracy in diagnosing paediatric AOM. METHODS: This randomized controlled trial was performed at a single tertiary care paediatric emergency department (ED). Medical students on their paediatric rotation were randomized to a locally developed e-learning module or a small-group lecture on AOM. They then had to examine at least 10 ears of patients at risk for AOM. The primary outcome was diagnostic accuracy and secondary outcomes included knowledge test scores and learning modality preference. RESULTS: Between May 2017 and September 2018, 201 medical students were randomized. Eighty-three evaluated at least 10 ears and were included in the primary analysis. Diagnostic accuracies (76.5% for the e-learning group versus 76.4% for the lecture group, difference of 0.1%; 95%CI: -6.2 to 6.4%) and post-test scores (difference of 0.5/20 points; 95%CI: -0.8 to 1.2/20 points) were similar between the groups. Sixty-two per cent of participants preferred the e-learning module to the lecture, while 15% had no preference. CONCLUSIONS: Diagnostic accuracy for AOM was similar between students exposed to an e-learning module or a small-group lecture. E-learning was the preferred learning modality.
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 | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 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 ».