A Novel Canine Otoscopy Teaching Model for Veterinary Students
Notice bibliographique
Résumé
Otoscopic evaluation using an otoscope is an important tool among the diagnostic modalities for otitis externa and is considered a core component of a canine patient's complete physical examination. Traditionally, otoscopic training in veterinary school involves using live dogs (i.e., laboratory dogs or dogs that are patients of the veterinary teaching hospital). While this approach has its advantages, performing otoscopic examination on live dogs presents several challenges: it requires adequate patient restraint, can cause stress to the dog, and can potentially cause trauma and/or injury to the dog's ear canal when performed by an inexperienced individual. Using an alternative teaching tool for otoscopic evaluation could overcome these challenges and improve veterinary students' learning experience. In this study, we investigated student perceptions of a novel canine teaching model for otoscopic evaluation in first-year veterinary students. The Elnady preservation technique was employed to create a realistic, durable, and flexible model for otoscopic training in a dermatology laboratory session in a first-year veterinary course. Student feedback was assessed on a Likert scale, and overall feedback indicated that students felt that the model was beneficial for skill building and removed many of the stressors incurred with using live animals when training in clinical skills. Most students stated that they would like to have additional similar models incorporated into training and would recommend these models to other students.
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 | 0,004 | 0,002 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».