Comparing the Efficacy of a New Clinical Skills Model with a Traditional Method to Teach Tube Feeding of an Avian Patient
Notice bibliographique
Résumé
Interactive clinical skills models have been demonstrated to be useful for teaching medical and veterinary clinical skills, yet to date, very few exist for teaching skills relevant to zoological companion animals and wildlife species including birds. This two-part study aimed to create, develop, and validate a model. Interviews and a survey were conducted using veterinary and wildlife professionals to select an avian clinical skill that is challenging and performed frequently. Tube/gavage feeding, or “crop tubing” satisfied both criteria; on average it was performed 71 times a year by surveyed respondents and was rated 3.4/9 for difficulty of teaching and 3.5/9 for difficulty of learning. Therefore, a new model of a bird, made from a soft toy, silicone, and 3D printed parts, was designed to train students to perform this technique. Forty-two participants were recruited and divided into two groups; one used the model the other watched an instructional video on crop tubing. The students completed a self-evaluated confidence questionnaire, before and after, using either resource. They then performed the technique on a dead bird and their proficiency at 10 different actions that comprised the technique was evaluated by two assessors. The model group performed significantly better than the video group on all evaluated actions ( U ≤ 143.5, p ≤ .0031), and reported significantly higher confidence ( U = 129.5, p = 0.018). In conclusion, the newly developed model in combination with an instruction booklet offers an effective and inexpensive alternative way to teach crop tubing in a teaching environment, without compromising animal welfare.
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 | 0,003 |
| 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 | 0,000 | 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) | 0,000 | 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 ».