Influence of Webinar-Based Learning on Practice of Percutaneous Nephrolithotomy: Outcomes of a Global Survey
Notice bibliographique
Résumé
Background: With webinars looking to be the mainstay post-pandemic, it is important to demonstrate whether webinars are, indeed, effective educational tools for professional training and skill acquisition. We aim at demonstrating, via a global survey, the efficacy of webinars on percutaneous nephrolithotomy (PCNL) and how this knowledge transforms clinical practice. Methods: A structured online survey covering the following sections: (1) Demographics, (2) PCNL techniques, and (3) PCNL equipment was circulated. The target study population were practicing urologists and residents. Categorical data were presented with counts and percentages, and they were compared by using Chi-square test. Continuous data were analyzed with non-parametric methods. Respondents were dichotomized according to attendance of webinar type, attendees of dedicated PCNL webinars (Group A), or attendees of endourological webinars that discussed some aspects of PCNL (Group B). Results: A total of 303 respondents from 38 countries participated. Overall, 91.7% ( n = 278) were in Group A and 8.3% ( n = 25) were in Group B; 77.9% were younger than 50 years, whereas 51.8% had more than 10 years of urology experience. In group A, urologists of all ages, in academic institutions and private practitioners, significantly benefited in gaining knowledge about the merits of newer devices and the role of suction-assisted devices in modern PCNL. The majority of group A also reflected that by attending a dedicated PCNL-based webinar they benefited in learning newer positions for PCNL access, especially supine, and how to effectively use laser as energy devices for lithotripsy. In Group B, the only area of benefit was in lasing techniques and the use of newer lasers such as the thulium fibre laser. Conclusion: Our survey positively validates the two proposed hypothesis, that is, webinars as a medium of education do benefit practicing urologists in knowledge and the clinical practice domains. Age, experience, or place of practice is no barrier to adopting newer mediums of education such as webinars.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».