Using ultrasonography to improve fluoroscopic needle navigation in PM&R residents and medical students; a Randomised study
Notice bibliographique
Résumé
Background: Fluoroscopy guided interventions are widely used procedures in the treatment of musculoskeletal conditions. Understanding the movement of the needle is part of a resident's initial training when performing these procedures. Needle navigation training is largely gained with fluoroscopy. Objective: The purpose of this study is to determine whether the use of ultrasound training can lead to a decrease in time to reach a target under fluoroscopy. Methods: 32 medical students or residents. Exposure of one group of trainees to a practice session of needle navigation using ultrasound. The control group did not participate in ultrasound training. Time to reach the target during a fluoroscopy guided needle navigation test was measured in both groups. Results: The mean time to reach the target under fluoroscopy of the students unexposed to an ultrasound training (group 1 control group) was 183 s (standard deviation = 160 s), while that after ultrasound training (group 2 experimental group) was 150,81 s (standard deviation = 96 s) (p = 0,483). Conclusion: Fluoroscopy needle navigation training was not improved by a 1-h group practice session with in-plane ultrasound needle navigation practice. Further studies need to be done with exposure for residents to a group practice session longer than 1-h.
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 | 0,009 | 0,004 |
| 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) | 0,002 | 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 ».