Impacto de un programa de educación médica virtual para mejorar el diagnóstico de enfermedad de Chagas en Latinoamérica
Notice bibliographique
Résumé
Objetivo. La enfermedad de Chagas representa un problema de salud pública en Latinoamérica y el electrocardiograma constituye una herramienta crucial en el diagnóstico y seguimiento de esta patología. En este contexto, el objetivo del presente estudio fue cuantificar el cambio en la capacidad de detectar patrones electrocardiográficos por parte de los profesionales de la salud después de completar un curso virtual. Materiales y métodos. Se llevó a cabo un curso virtual asincrónico con siete clases pregrabadas. Los participantes respondieron el mismo cuestionario al inicio y al final del entrenamiento. Con base en estas respuestas se compararon los resultados pre y postest de cada participante. Resultados. Se incluyeron 1656 participantes de 21 países; el 87,9% eran médicos, el 5,2% enfermeros, el 4,1% técnicos y el 2,8% estudiantes de medicina. El 3,1% respondió correctamente al menos el 50% de las preguntas del examen pretest, proporción que aumentó al 50,4% después del curso (p=0,001). El 82,1% de los asistentes mejoró sus respuestas después del curso, independientemente de sus características iniciales. Conclusiones. La implementación de un curso en línea y asincrónico sobre electrocardiograma en la enfermedad de Chagas mejoró las habilidades del personal médico y no médico para reconocer esta enfermedad.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».