A Mixed Reality–Based Telesupervised Ultrasound Education Platform on 5G Network Compared to Direct Supervision: Prospective Randomized Pilot Trial
Notice bibliographique
Résumé
BACKGROUND: Ultrasound education is transitioning from in-person training to remote methods using mixed reality (MR) and 5G networks. Previous studies are mainly experimental, lacking randomized controlled trials in direct training scenarios. OBJECTIVE: This study aimed to compare an MR-based tele-supervised ultrasound education platform on private 5G networks with traditional in-person training for novice doctors. METHODS: Conducted at a tertiary academic hospital from November to December 2023, the prospective unblinded randomized controlled pilot study assigned doctors without prior abdominal ultrasound education experience to either the tele-supervision group (TG; n = 20) or direct supervision group (DG; n = 20). Participants received a 15-min video lecture, conducted ultrasound on a phantom, and had 18 images scored by two blinded experts. Additionally, the TG received five minutes of training on basic operation of a head-mounted display (HMD). Communication between doctors in the TG and supervisors was facilitated through an HMD, whereas those in the DG interacted directly with supervisors. Primary outcomes were image quality scores, while secondary outcomes included procedure time, number of supervisor interventions, user experience using NASA-Task load index (NASA-TLX), System Usability Scale (SUS), and self-confidence through pre- and post-surveys. RESULTS: Image quality scores and procedure times showed no significant differences between the groups (TG: 66.8 ± 10.3 vs DG: 66.8 ± 10.4, P = .844; TG: 23.8 ± 8.0 min vs DG: 24.0 ± 8.1 min, P = .946). However, the TG engaged in more educational interventions (TG: 4.0 ± 2.5 vs DG: 0.8 ± 1.1, P <.001), reflecting a more interactive training environment. TG participants reported lower NASA-TLX scores for mental demand (43.8 ± 24.8 vs 60.6 ± 22.4, P = .03), effort (43.1 ± 22.9 vs 67.9 ± 17, P < .001), and frustration (26.9 ± 20.3 vs 45.2 ± 27.8, P = .022), indicating a reduced cognitive load compared the DG. The mean SUS score was also higher in the TG (66.6 ± 9.1 vs 60.2 ± 10.4, P =.046), suggesting better usability. Both groups showed significant improvements in confidence, with the TG showing notably greater improvement in abdominal ultrasound proficiency (Pre-education ━ TG: 1.6 ± 0.9 vs DG: 1.7 ± 0.9, P =.728; Post-education ━ TG: 3.8 ± 0.9 vs DG: 2.8 ± 1.0, P =.006). CONCLUSIONS: Although no significant differences in image quality scores were observed between groups, considerable differences in positive educational interactions, workload, and usability were evident. These findings emphasize the platform's potential to enhance the ultrasound training experience, suggesting more interactive and efficient learning. CLINICALTRIAL: ClinicalTrials.gov, NCT06171828.
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 | 0,004 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 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 ».