Self‐Learning Videos in Focused Transthoracic Echocardiography Training
Notice bibliographique
Résumé
BACKGROUND: Focused transthoracic echocardiography (FOTE) is crucial for patients' bedside management. However, limited opportunities exist for practical FOTE training, prompting the use of simulation and self-learning videos to overcome this constraint. This study aimed to evaluate the impact of incorporating self-learning videos into a simulation FOTE training course. APPROACH: This was a prospective, randomized study involving University of Toronto internal medicine residents, who participated in a 2-h didactic and simulation FOTE training course before being randomized to a control group receiving written learning materials or an intervention group with additional self-directed learning videos. EVALUATION: Twenty-eight participants were randomized, and twenty-one (75%) completed the 1-month follow-up. Participants were assessed using a written test on image acquisition techniques and structure identification, scanning time and image quality on a simulator and self-reported scanning comfort, both pre-intervention and 1-month post-intervention. The groups had no significant difference in the time spent reviewing the material (1.5 vs. 1.4 h, p = 0.76). A significant increase in post-course scores was observed in all evaluations except for the control group's written test (p = 0.07). There were no significant between-group differences across the written test (p = 0.7), image quality (p = 0.6) and comfort level (p = 0.7). Compared to the control group, the intervention group exhibited a greater reduction in the scanning time (38 vs. 72 s, p = 0.02). IMPLICATIONS: FOTE training effectively increases theoretical knowledge and practical skills in a simulated setting. However, limited video utilization by participants precluded the inference of definitive conclusions on the impact of self-learning videos.
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 | 0,002 | 0,004 |
| 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».