Can relaxation exercises improve students’ OSCE grades: a prospective study
Notice bibliographique
Résumé
Introduction: OSCE (Objective Structured Clinical Examination) are a means of assessing health profession students. However, they are a source of stress or anxiety for students. The aim of our study was to improve medical students’ performance during OSCEs by using human performance optimization techniques (HPOT). Methods: Naïve students for OSCE were divided into blocks of five, randomized to HPOT and control groups. Before starting their OSCE circuit, HPOT blocks underwent a 30-minute preparation session. Anxiety was assessed before and after the OSCE using a Visual Analogic Scale (VAS). Results: We randomized and assigned 206 students to 41 blocks of which 20 were HPOT and 21 were control. Anxiety before the exam was significantly reduced thanks to the HPOT procedure with a median value of six and four on the VAS respectively before and after the relaxation session (p = 0.001). The final exam score was not associated with pre-OSCE anxiety (p = 0.5). The HPOT procedure did not improve the final score (p = 0.4). Interestingly, the final score was inversely correlated with the final median anxiety VAS reading after the exam (p = 0.01): students with the lowest anxiety VAS achieved better scores. Conclusion: Relaxation, conscious breathing, and positive reinforcement methods reduced students’ anxiety prior to their OSCE; however, these techniques did not improve their scores.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».