MétaCan
Menu
Retour à la cohorte
Enregistrement W4409786770 · doi:10.1097/01.gox.0001112524.79751.30

144. A Video-based Learning Module in an Effective Way to Teach the Interpretation of Pre-operative Electrodiagnostic Studies

2025· article· en· W4409786770 sur OpenAlexaff
Noah S. Llaneras, R. W. Taylor, Justin K. Zhang, Jonah Orr, Kitty Y. Wu, Stahs Pripotnev, Susan E. Mackinnon

Notice bibliographique

RevuePlastic & Reconstructive Surgery Global Open · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueAI in cancer detection
Établissements canadiensSt. Joseph's Hospital
Organismes subventionnairesnon disponible
Mots-clésInterpretation (philosophy)Computer scienceMultimediaArtificial intelligenceMathematics educationPsychologyProgramming language

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Most plastic surgeons are not trained in the interpretation of electrodiagnostic studies (EDX), highlighting an opportunity for improved education in the diagnosis of nerve injuries and the determination of surgical candidacy. This study hypothesizes that a video learning module (VLM) is a feasible and efficacious method for teaching nerve surgeons to interpret EDX. METHODS: Participants were recruited from professional surgical societies and through a surgical education platform. The senior author (S.E.M.) developed the VLM, which consisted of a pre-lecture assessment, a 42-minute pre-recorded video lecture on interpreting EDX, and a post-lecture assessment. A retention assessment was distributed at three months follow-up. The lecture covered topics such as the classification of nerve injuries, components of nerve conduction studies, components of electromyography, and case studies elaborating on these principles. Participants were also given a module feedback survey. A Shapiro-Wilk test was performed to assess for normal distribution. Data found not to be normally distributed were analyzed using independent-samples Mann-Whitney U tests. RESULTS:119 participants completed the pre-lecture assessment, with a median score of 7 (range 0-12, IQR 5-9) out of a total of 12 possible points. Seventy participants (58.8%) completed the post-lecture knowledge assessment, with a median score of 9 (range 2-12, IQR 8-11). The two-point increase in median score between the pre-and post-lecture knowledge assessment was significant (p<0.001). Twenty-nine participants (24.4%) completed the three-month follow-up retention assessment, with a median score of 11 (range 4-12, IQR 9-12). The two-point increase in median score between the post-lecture and retention knowledge assessment was significant (p<0.025). Fifty-seven participants completed the module feedback survey; participants rated their overall satisfaction with the video module on a scale of 0 to 10, with a median score of 9 (range 6-10, IQR 8-10). 77.2% of participants reported that the length of the video module was “perfect,” and 86% anticipated incorporating the material into their clinical practice. CONCLUSION: This study demonstrates that a video learning module effectively teaches nerve surgeons to interpret electrodiagnostic studies, as evidenced by significant improvements in post-lecture and 3-month retention scores. High participant satisfaction highlights the potential of this format for broadly disseminating surgical education. Study design of the surgical video module.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,606
Score d'incertitude au seuil0,828

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,313
Écart entre enseignants0,300 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePlastic & Reconstructive Surgery Global OpenMême sujetAI in cancer detectionTravaux en français237 207