Development of 3D-printed female genital models to improve consent, education, and medico-legal communication
Notice bibliographique
Résumé
WHAT WAS THE EDUCATIONAL CHALLENGE?: Public and professional understanding of female genital anatomy is limited, affecting informed consent, clinical communication, and medico-legal interpretation in cases of sexual violence and female genital mutilation (FGM). Two-dimensional diagrams fail to convey the three-dimensional structure of the vulva, making explanations difficult for patients, students, and legal professionals. WHAT WAS THE SOLUTION?: We developed modular, dismantlable 3D-printed vulva and hymen models in prepubertal and adult versions. They feature detachable anatomical components, hymenal variants, and FGM configurations, using bright, non-anatomical colors to ensure clarity and inclusivity. HOW WAS THE SOLUTION IMPLEMENTED?: The models were used in clinical consultations to support informed consent and explain medico-legal findings; in medical and legal education to illustrate anatomical variability and debunk myths; and in courtrooms to help judges and juries understand forensic evidence. WHAT LESSONS WERE LEARNED THAT ARE RELEVANT FOR A WIDER GLOBAL AUDIENCE?: Anatomical literacy is crucial for patient autonomy and justice. 3D models enable clear, inclusive, and interactive education, countering persistent misconceptions about female anatomy. WHAT ARE THE NEXT STEPS?: Formal evaluation is planned to assess knowledge impact. Wider dissemination across clinical, legal, and public health contexts is underway.
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 | 0,004 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,004 |
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 ».