Abstract 14370: Educate: A Randomized Controlled Trial of Education Curriculum Assessment for Teaching Electrocardiography
Notice bibliographique
Résumé
Background: Gaps in ECG interpretation competency among medical professionals exist, with a need for practical, evidence-based, and accessible learning solutions. We conducted an international, prospective, randomized controlled trial to assess the effectiveness of web-based, self-directed ECG learning. Methods: A total of 1206 diverse medical learners and professionals underwent an initial test, followed by random assignment to one of four groups: (i) online question-bank (questions), (ii) online lectures (lectures), (iii) online, question-bank and lectures (hybrid), or (iv) no resources (control). After 4 months, a post-test was administered to evaluate the overall change in performance. Results: Of all participants, 863 (72%) completed the trial. After the 4-month follow-up, all three online, self-directed intervention groups (questions, lectures, and hybrid) showed significant improvement in overall performance (P<0.001), while the control group did not (P=0.544). The questions, lectures, and hybrid interventions demonstrated score improvements of +11.4% (95% CI, 9.1-13.7; P<0.001), +9.8% (95% CI, 7.8-11.9; P<0.001), and +11.0% (95% CI, 9.2-12.9; P<0.001) respectively, compared to +0.8% (95% CI, -1.2-2.8; P=0.544) for the control group. These improvements were consistent across medical professional groups (Figure 1) . Conclusions: Web-based, self-directed learning resources effectively improved ECG interpretation proficiency for diverse medical learners and professionals.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,002 |
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 ».