MétaCan
Menu
Retour à la cohorte
Enregistrement W4409963969 · doi:10.2196/73328

Visual Learning in Electrocardiography Training for Medical Residents: Comparative Intervention Study

2025· article· en· W4409963969 sur OpenAlexvenueno aff
Feng‐Ching Liao, Shu-I Lin, Chun‐Wei Lee

Notice bibliographique

RevueJMIR Medical Education · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueECG Monitoring and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSummative assessmentInterpretation (philosophy)Medical educationFlipped learningMedicinePsychologyMathematics educationFormative assessmentComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Although the training course of electrocardiogram (ECG) interpretation was started early in medical school, the accuracy in interpretation of 12-lead ECG is always a challenge issue. We conducted a pilot educational program to compare the effectiveness of a conventional didactic lecture, self-drawing (SD), and self-drawing following a flipped classroom approach (SDFC). OBJECTIVE: To evaluate the effectiveness of three instructional strategies-traditional didactic lecture, self-drawing (SD), and self-drawing following a flipped classroom approach (SDFC)-in improving electrocardiogram (ECG) interpretation skills among first-year postgraduate (PGY-I) medical residents. METHODS: This study was conducted by postgraduate-year (PGY)-I residents at MacKay Memorial Hospital over three years. The study enrolled 76 PGY-I residents, who were randomized into three groups: conventional control group (group 1), SD group (group 2) and SDFC group (group 3). All participants were provided with the same learning material and didactic lectures. Knowledge evaluation was performed using pre-tests and post-tests were conducted using questionnaires. RESULTS: The groups involving SD, whether combined with a flipped classroom or not, demonstrated better performance on the written summative examination. These findings highlight the benefits of SD in integrating theoretical knowledge with practical approaches to ECG interpretation. CONCLUSIONS: Our study demonstrated the promising effects of SD on the recognition of ECG presentations, which could make up for the inadequacies of traditional classroom teaching. It can be incorporated into routine teaching if proven successful in a larger cohort.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: Essai non randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,023
Tête enseignante GPT0,458
Écart entre enseignants0,435 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
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 revueJMIR Medical EducationMême sujetECG Monitoring and AnalysisTravaux en français237 207