Painting of 3D Models of Congenital Heart Disease as an Educational Tool for Pediatric Residents
Notice bibliographique
Résumé
Background Three-dimensional (3D) models of congenital heart diseases have been used to teach cardiac anatomy to learners. Our team sought to determine whether the painting of 3D models could help pediatric residents better understand both the anatomy and physiology of complex congenital heart diseases. Methods This was a prospective assessment of pediatric resident perceptions regarding a novel teaching method on the 3 stages of palliation for hypoplastic left heart syndrome. After attending a didactic session about the topic, they were provided with 3D models representing each stage. They were guided in painting them to represent the presumed oxygen saturations of each model's chambers. Questionnaires were used to assess the self-perceived understanding of the anatomy, pathophysiology, and management from before to after the session using 5-point Likert scales. Statistical analysis was performed using a paired samples t test. Results There were 36 pediatric residents from 2 institutions. There was an increase in the mean self-perceived understanding of the anatomy (2.14 vs 3.94, P < 0.001), pathophysiology (2.14 vs 3.72, P < 0.001), and management of single ventricle palliation (2.19 vs 3.78, P < 0.001) before and after the session. All 36 participants enjoyed the session and wanted to participate in future sessions. Conclusion Painting of 3D models increased knowledge acquisition among pediatric residents.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».