Virtual neuromuscular ultrasound courses during <scp>COVID</scp>‐19 pandemic: Leveraging technology to enhance learning opportunities
Notice bibliographique
Résumé
INTRODUCTION/AIMS: Hands-on supervised training is essential for learning diagnostic ultrasound. Unfortunately, the coronavirus disease 2019 (COVID-19) pandemic led to suspension of in-person training courses. As a result, many hands-on training courses were converted into virtual courses during the pandemic. Several reports regarding virtual ultrasound courses exist, but none has addressed virtual neuromuscular ultrasound courses, their design, or participants' views of this form of training. Therefore, the aims of this study were: (1) to determine the feasibility of conducting virtual neuromuscular ultrasound courses during the COVID-19 pandemic; and (2) to report the positive and negative aspects of the courses through the analyses of the responses of post-course surveys. METHODS: Two virtual neuromuscular ultrasound courses, basic and intermediate level, were conducted by the Egyptian Neuromuscular Ultrasound society during August 2020. Post-course, the attendees were directed to an electronic survey that consisted of eight questions. Ninety-three responses (23.8%) were obtained from the survey of the basic course and 156 responses (44.4%) were obtained from the survey of the intermediate course. RESULTS: Ninety-eight percent of the respondents to basic course surveys, and 100% of the respondents to the intermediate course survey found the courses useful or very useful. DISCUSSION: This report demonstrates the utility of virtual neuromuscular ultrasound courses for those participants willing to respond to a survey and describes a proposed design for such courses. Although hands-on supervised ultrasound training is ideal, virtual courses can be useful alternatives to in-person training when in-person interaction is restricted.
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 | 0,000 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 ».