MétaCan
Menu
← Retour à la cohorte
Enregistrement W4390878461 · doi:10.7759/cureus.52300

The Iterative Design and Development of an Affordable Ultrasound Simulator

2024· article· en· W4390878461 sur OpenAlexafffundabout
Anjali Jagannathan, Julia Micallef, Tim Clarke, Kristin Armstrong, Adam Dubrowski

Notice bibliographique

RevueCureus · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueSurgical Simulation and Training
Établissements canadiensOntario Tech University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Ottawa
Mots-clésSonographerComputer scienceUltrasoundTrainerSiliconeSimulationMedical physicsMedicineMaterials scienceRadiology

Résumé

récupéré en direct d'OpenAlex

Simulation-based medical education (SBME) offers a secure and controlled environment for training in ultrasound-related clinical skills such as nerve blocking and intravenous cannulation. Sonographer training for point-of-care ultrasound often adopts the train-the-trainer (TTT) model, wherein a select group of sonographers receive on-site training to subsequently instruct others. This model traditionally relies on expensive commercial ultrasound simulators, which presents a barrier to the scale-up of the TTT model. This study aims to address the need for cost-effective ultrasound simulators suitable for both initial and cascaded TTT. The objective of this report is to present the design and development of an affordable ultrasound simulator, which mimics anatomical features under ultrasound. The simulator was created using additive manufacturing techniques, including 3D printing, ballistic gel, and silicone work. We report on three development-feedback iterations, with feedback provided by an experienced sonographer from FUJIFILM Sonosite Canada Inc. using the think-aloud approach. Overall the results indicate that de-gassed silicone may serve as a good medium; vessels are best produced as hollow canals within the de-gassed silicone; 3D-printed bones cast acoustic shadows, which are reduced by increasing rigidity of the structures, and 3D printing filament and silicone can be used for nerve bundles. Future developments will focus on achieving anatomical accuracy, exploring alternative materials and printing parameters for the bones, and analyzing embedded structures at varying depths within the silicone. The next steps involve integrating the simulator into ultrasound curricula for a formal assessment of its effectiveness as a training tool.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,052
Tête enseignante GPT0,331
Écart entre enseignants0,280 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCureus→Même sujetSurgical Simulation and Training→Travaux en français237 207→