Implementation of a Low-Cost 3D-Printed Feline Larynx Model for Veterinary Students
Notice bibliographique
Résumé
Endotracheal intubation (EI) in domestic cats is an important skill that veterinary students learn in order to perform anesthesia safely in this species. Implementing a 3D-printed larynx model (LaryngoCUBE) during the instruction process may improve student’s learning of EI in felines. Twenty-two third-year students performed EI in cats with standard training (ST), and 16 students trained with the model (MT) the day before the laboratory. It was evaluated whether training with the model decreases the time and number of EI attempts, students’ perceived difficulty performing EI using a visual analog score (VAS; 0 cm = very easy, 10 cm = extremely difficult; median [minimum–maximum]), and the incidence of failure to perform EI. The EI time on ST (58 [18–160] seconds) was longer, but not statistically different from MT (29 [13–120] seconds; p = .101). The number of EI attempts on ST (2 [1–3]) was higher than MT (1 [1–3]; p = .005). The VAS on the ST and MT were 4.5 (0.0–10.0) cm and 3.0 (0.2–10.0) cm, respectively ( p = .029). The failure rate was 27% on the ST and 25% on the MT ( p = 1.000). Students who practiced with a larynx model took fewer attempts to perform EI, tended to be faster, and found that EI was easier. However, the EI success rate in MT was not improved.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».