MétaCan
Menu
Retour à la cohorte
Enregistrement W3203026486 · doi:10.2196/31132

Use of an Online Ultrasound Simulator to Teach Basic Psychomotor Skills to Medical Students During the Initial COVID-19 Lockdown: Quality Control Study

2021· article· en· W3203026486 sur OpenAlexvenueno aff
Jean‐Yves Meuwly, Katerina Mandralis, Estelle Tenisch, Giuseppe Gullo, Pierre Frossard, Laura Morend

Notice bibliographique

RevueJMIR Medical Education · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound in Clinical Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychomotor learningPopularityUltrasoundSimulationMedicineComputer-assisted web interviewingPhysical therapyMedical educationPsychologyMedical physicsComputer scienceMathematicsRadiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Teaching medical ultrasound has increased in popularity in medical schools with hands-on workshops as an essential part of teaching. However, the lockdown due to COVID-19 kept medical schools from conducting these workshops. OBJECTIVE: The aim of this paper is to describe an alternative method used by our medical school to allow our students to acquire the essential psychomotor skills to produce ultrasound images. METHODS: Our students took online ultrasound courses. Consequently, they had to practice ultrasound exercises on a virtual simulator, using the mouse of their computer to control a simulated transducer. Our team measured the precision reached at the completion of simulation exercises. Before and after completion of the courses and simulator's exercises, students had to complete a questionnaire dedicated to psychomotor skills. A general evaluation questionnaire was also submitted. RESULTS: A total of 193 students returned the precourse questionnaire. A total of 184 performed all the simulator exercises and 181 answered the postcourse questionnaire. Of the 180 general evaluation questionnaires that were sent out, 136 (76%) were returned. The average precourse score was 4.23 (SD 2.14). After exercising, the average postcourse score was 6.36 (SD 1.82), with a significant improvement (P<.001). The postcourse score was related to the accuracy with which the simulator exercises were performed (Spearman rho 0.2664; P<.001). Nearly two-thirds (n=84, 62.6%) of the students said they enjoyed working on the simulator. A total of 79 (58.0%) students felt that they had achieved the course's objective of reproducing ultrasound images. Inadequate connection speed had been a problem for 40.2% (n=54) of students. CONCLUSIONS: The integration of an online simulator for the practical learning of ultrasound in remote learning situations has allowed for substantial acquisitions in the psychomotor field of ultrasound diagnosis. Despite the absence of workshops, the students were able to learn and practice how to handle an ultrasound probe to reproduce standard images. This study enhances the value of online programs in medical education, even for practical skills.

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)0,009
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,072
Tête enseignante GPT0,512
Écart entre enseignants0,441 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations12
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Medical EducationMême sujetUltrasound in Clinical ApplicationsTravaux en français237 207