Differences in echocardiography interpretation techniques among trainees and expert readers
Notice bibliographique
Résumé
BACKGROUND: Trainees learn transthoracic echocardiogram (TTE) interpretation through independently completing and reviewing selected portions of the study with experts. The diagnostic accuracy of novice TTE interpretation is known to be low and schema for reading TTEs systematically are lacking. The purpose of our study is to identify techniques experts use while reading TTEs which could be used to more effectively teach novice readers. METHODS: We performed a prospective qualitative case study to observe how experts and trainees interpret TTEs in an academic institution using a concurrent think aloud (CTA) method. Three TTEs of intermediate complexity were given to 3 advanced imaging fellows, 3 first year fellows and 3 expert TTE readers Participants filled out a report while reading and described aloud their thought processes. Sessions were video and audiotaped for analysis. RESULTS: Experts and advanced fellows used specific techniques that novices did not including: previewing studies, reviewing multiple images simultaneously, having flexibility in image review order and disease coding, and saving hardest elements to code for the end. Direct observation of TTE reading informed trainee inefficiencies and was a well-received educational tool. CONCLUSIONS: In this single centered study we identified several unique approaches experts use to interpret TTEs which may be teachable to novices. Although limited in generalizability the findings of this study suggests that a more systematic approach to TTE interpretation, using techniques found in experts, might be of significant value for trainees. Further study is needed to evaluate teaching practices at other institutions and to assess whether implementation of these techniques by novices improves can improve their diagnostic accuracy and efficiency of reading at an earlier stage in their training.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».