A systematic review of eye-tracking technology in electrocardiogram interpretation research
Notice bibliographique
Résumé
BACKGROUND: Eye-tracking technology provides an objective method for analyzing visual behavior during diagnostic tasks such as electrocardiogram (ECG) interpretation. As a high-stakes and visually complex clinical skill, ECG interpretation benefits from technologies that differentiate experts from novices via gaze patterns. We systematically reviewed eye-tracking in ECG research to examine links between gaze metrics and diagnostic performance and to appraise educational applications. METHODS: Following PRISMA (PROSPERO CRD420251052940), we searched PubMed, Embase, Web of Science, Scopus, ERIC, IEEE Xplore, and PubPsych databases to September 2025. Eligible studies used eye-tracking during ECG interpretation and reported visual behavior or diagnostic outcomes. Two independent reviewers performed the study selection, data extraction, and quality assessment using the Jadad and Newcastle-Ottawa scales. Given heterogeneity, we conducted a narrative synthesis. RESULTS: Nineteen studies (573 participants) were included, mainly involving students or early-career clinicians. Common metrics included fixation duration, counts, time to first fixation, and scan-path efficiency. Experts showed faster, more targeted fixation on critical leads (V1, V2, and II), shorter interpretation times, and higher accuracy. Novices exhibited scattered visual behavior and delayed attention to diagnostically relevant regions. Eye movement data were informative of underlying cognitive processes, including the selection, organization, and integration of ECG features. Additional factors, such as presentation format, individual experience, metacognitive strategies, and emotional responses, may moderate gaze behavior, although these were underexplored. Educational interventions leveraging expert gaze modeling or structured checklists showed mixed but promising outcomes. CONCLUSIONS: Eye-tracking differentiates expertise in ECG interpretation and may inform diagnostic reasoning, but prospective validation is needed. Gaze metrics are candidate indicators of performance and a foundation for feedback-based educational tools. Standardized protocols, larger multi-site studies, and inclusion of diverse learners are required to realize the potential of eye-tracking in ECG training and assessment.
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 | 0,032 | 0,137 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,010 | 0,008 |
| Bibliométrie | 0,021 | 0,019 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».