A Low-Cost Sonographic Canine Simulator for Pericardiocentesis Training
Notice bibliographique
Résumé
Pericardiocentesis is traditionally taught in clinical settings, which can be stressful. This study aimed to create a low-cost sonographic simulator to improve novice veterinarians' confidence in performing pericardiocentesis. We hypothesized that experienced clinicians would find the simulator realistic, and that novice confidence would improve following simulator practice. Human ethics approval was obtained. The simulator was constructed using ballistic gel, silicon foam, and a 3D-printed spine with ribs. A tennis ball within a balloon, both filled with water, simulated pericardial effusion (PE). Experts, defined as having performed more than five pericardiocentesis procedures and having more than 3 years of emergency experience, assessed the simulator's realism using a five-point Likert scale. Novice confidence levels were surveyed before and after using the simulator. The data were analyzed for normality. Confidence levels were compared using paired t-tests or Wilcoxon tests. Experts rated the sonographic appearance of PE as very realistic (strongly agree to agree) but found the tactile feel of catheter advancement to be somewhat limited (agree to neither agree nor disagree). The comparability to performing pericardiocentesis on a live canine was rated as realistic (agree). Interns showed a significant increase in confidence in their ability to perform pericardiocentesis on live patients ( p = .03), sonographic visualization and guidance of the catheter ( p = .02), and correct catheter placement ( p = .02). The simulator realistically simulates natural canine PE and improves novice confidence in performing pericardiocentesis. Further research is needed to determine if these skills translate to clinical settings.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».