Effectiveness of Simulation-Based Transthoracic Echocardiography Training on Cardiac Sonography Students' Learning.
Notice bibliographique
Résumé
Purpose: A primary challenge that cardiac sonography students experience during the echocardiography learning process is correlating between the anatomical structures of the heart to transducer created two-dimensional (2D) ultrasound images. Simulation-based training using a manikin may enhance learning, but evidence supporting its effectiveness in Transthoracic Echocardiography (TTE) education remains limited. This study evaluates the effectiveness of simulation-based versus traditional didactic teaching of cardiac anatomy and corresponding TTE images. Methods: A simulation-based learning lab was introduced in Fall 2023 within the Cardiac Anatomy TTE course at our institution. Thirty-five first-year cardiac sonography students (with no prior TTE training) completed the traditional didactic course, including pre- and post-course assessments, and participated in a hands-on simulation lab. The session included real-time scanning of a manikin for Parasternal Long Axis, Parasternal Short Axis, Apical 4 Chamber, and Apical 2 Chamber views, alongside an interactive three-dimensional (3D) cardiac anatomy review. The outcomes were compared to a control group (Spring 2023, n=42) that completed the didactic course without simulation. Results: Post-course assessment scores were significantly higher in the simulation cohort (p<0.0001), with an increase in mean scores from 72.12% (control) to 88.23% (simulation). The knowledge gain was more consistent in the simulation group (SD=3.26%) compared to the control (SD=13.38%). The lowest score in the simulation cohort was 76.47%, compared to 41.18% in the control. Conclusion: Simulation-based teaching significantly enhances knowledge acquisition and retention in cardiac anatomy TTE training of cardiac sonography students. Our findings support integrating structured simulation into echocardiography education to improve the learning process.
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 | 0,009 |
| 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 | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».