Optimizing simulator‐based training for emergency transesophageal echocardiography: A randomized controlled trial
Notice bibliographique
Résumé
Abstract Background Resuscitative clinician‐performed transesophageal echocardiography (TEE) is a relatively novel ultrasound application; however, optimal teaching methods have not been determined. Previous studies have demonstrated that variable practice (VP), where practice conditions are changed, may improve learning of procedural skills compared with blocked practice (BP), where practice conditions are kept constant. We compared VP and BP for teaching resuscitative TEE to emergency medicine residents using a simulator. Methods Emergency medicine residents with no prior TEE experience were randomized to the BP or VP groups. The BP group practiced 10 repetitions of a fixed five‐view TEE sequence, while the VP group practiced 10 different random five‐view TEE sequences on a simulator. Participants completed a performance assessment immediately after training and a transfer test 2 weeks after training. Ultrasound images and transducer motion metrics were captured by the simulator for blinded analysis. The primary outcome was the percentage of successful views on the transfer test. Results Twenty‐eight participants completed the study (14 in the BP group, 14 in the VP group). The BP group had a higher rate of successful views compared with the VP group on the transfer test (93.6% vs. 77.6%; p = 0.002). The BP group also had higher image quality on a 5‐point scale (3.3 vs. 2.9; p = 0.01) and fewer probe angular changes (2982.5 degrees vs. 4239.8 degrees; p = 0.04). There were no statistically significant differences between the groups for the rate of correct diagnoses, confidence level, or scan time. Conclusions Practicing a fixed sequence of views was more effective than a variable sequence of views for learning resuscitative TEE on a simulator. These results should be validated in TEE scans performed in the clinical environment.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».