MétaCan
Menu
← Retour à la cohorte
Enregistrement W3173231356 · doi:10.1096/fasebj.26.1_supplement.530.3

A digital atlas for ultrasound guided nerve blocks of the upper limb

2012· article· en· W3173231356 sur OpenAlexaffabout
Ryan James Rawski, J. P. Brookes, Marjorie Johnson, Sugantha Ganapathy

Notice bibliographique

RevueThe FASEB Journal · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueSurgical Simulation and Training
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceSurface anatomyUltrasoundMedicineAnatomyMedical physicsRadiology

Résumé

récupéré en direct d'OpenAlex

Ultrasound guidance (UG) ameliorates the dependency on surface landmarks to perform nerve blocks by providing real‐time imaging of subcutaneous tissues, allowing for purposeful needle movements to accurately deliver anesthetic. UG has been associated with improvements in the quality of sensory blocks, the onset time, and the success rate. The objective of this project is to create a digital atlas (DA) to aid trainees with their interpretation of ultrasound (U) anatomy, so that benefits of UG are actualized. Surface anatomy, serial cadaver dissections, U, and Visible Human Project images have been integrated into the DA to illustrate relationships between surface landmarks, physical anatomical relationships, and the planar U image. Each block and its indications are described in text and subsequently demonstrated in narrated videos. The DA includes an introductory module on mechanics and operation of the U device. Feedback solicited at monthly anesthesiology resident training will guide the design of the DA as content for trunk and lower limb blocks is developed. We anticipate that having online access to the DA will allow residents to acquire the requisite foundation of knowledge to interpret U anatomy. This would allow training programs to efficaciously use limited lab time to reinforce key concepts and develop students procedural skills (needle/ultrasound probe manipulation) through kinesthetic learning. Grant Funding Source : Ontario Graduate Scholarship

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,135

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0400,008

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 Opus0,043
Tête enseignante GPT0,302
Écart entre enseignants0,259 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe FASEB Journal→Même sujetSurgical Simulation and Training→Travaux en français237 207→