MétaCan
Menu
Retour à la cohorte
Enregistrement W7096516374

Concerning the Use of Doppler and 3-D Ultrasound in the Teaching of Gross Anatomy Donald School Journal of Ultrasound in Obstetrics and Gynecology, October-December 2009;3(4):23-27 23 Concerning the Use of Doppler and 3-D Ultrasound in the Teaching of Gro

2015· article· en· W7096516374 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAnatomy and Medical Technology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUltrasoundGross anatomyPresentation (obstetrics)CurriculumDoppler ultrasoundMagnetic resonance imagingMedical schoolMedical imaging
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Although gross anatomical instruction has always been considered a foundation for medical education and practice, curricular changes have altered the manner in which it is taught. The integration of basic biomedical sciences began with the case-western reserve curriculum. Under the leadership of Dr. Henry Mandin, the University of Calgary School of Medicine developed a program of medical instruction based on 120 clinical presentation schemes. The Paul L Foster School of Medicine is currently using this approach in teaching its first class of freshman medical students. Three-dimensional ultrasound and the other visual modalities—radiography, computerized tomography (CT) and magnetic resonance imaging (MRI)—have greatly increased our ability to visualize anatomical structures. Three-dimensional ultrasound has great potential for use in the curriculum at Paul L Foster School of Medicine. For example, it can help the student differentiate between the varieties of pelvic mass, which can be subdivided into ovarian, tubal, and uterine causes. This paper demonstrates the ways that Doppler three-dimensional ultrasound can help the student differentiate between these anatomical diagnoses. Coupling ultrasound with the histopathologic

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)0,019
score de la tête « metaresearch » (Gemma)0,049
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,100

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,049
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,004
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,057
Tête enseignante GPT0,278
Écart entre enseignants0,221 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAnatomy and Medical TechnologyTravaux en français237 207