The online educational tool “Roadmap to <scp>EEG</scp>s” significantly improved trainee performance in recognizing <scp>EEG</scp> patterns
Notice bibliographique
Résumé
OBJECTIVE: We created a framework to assess the competency-based EEG curriculum, outlined by the International League Against Epilepsy (ILAE) through a video-based online educational resource ("Roadmap to EEGs") and assessed its effectiveness and feasibility in improving trainees' knowledge. METHODS: Ten video-based e-learning modules addressed seven key topics in EEG and epileptology (normal EEG, normal variants, EEG artifacts, interictal epileptiform discharges (IED), focal seizures, idiopathic generalized epilepsy (IGE), and developmental and epileptic encephalopathies (DEE)). We posted the educational videos on YouTube for free access. Pre- and post-tests, each comprising 20 multiple-choice questions, were distributed to institution leadership and advertised on social media platforms to reach a global audience. The tests were administered online to assess the participants' knowledge. Pre- and post-test questions showed different EEG samples to avoid memorization and immediate recall. After completing the post-test, participants were asked to respond to 7 additional questions assessing their confidence levels and recommendations for improvement. RESULTS: A total of 52 complete and matched pre- and post-test responses were collected. The probability of a correct response was 73% before teaching (95% CI: 70%-77%) and 81% after teaching (95% CI: 78%-84%). The odds of a correct response increased significantly by 59% (95% CI: 28%-98%, p < .001). For participants having >4 weeks of EEG training, the probability of a correct response was 76% (95% CI: .72-.79) and 81% after teaching (95% CI: .78-.84). The odds of answering correctly increased by 44% (95% CI: 15%-80%, p = .001). Participants felt completely confident in independently interpreting and identifying EEG findings after completing the teaching modules (17.1% before vs. 37.8% after, p-value < .0001). 86.5% of participants expressed a high likelihood of recommending the module to other trainees. SIGNIFICANCE: The video-based online educational resource allows participants to acquire foundational knowledge in EEG/epilepsy, and participants to review previously learned EEG/epilepsy information.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 0,001 |
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.
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 ».