Use of 3D-Printed Models and Augmented Reality in Medical Student Education of Congenital Heart Disease: Randomized Controlled Trial
Notice bibliographique
Résumé
Background: Three-dimensional modalities are increasingly being used as adjuncts for medical trainees learning about complex anatomical concepts, such as congenital heart disease. Objective: This study aimed to evaluate the use of 2 such modalities, 3D-printed models, and augmented reality (AR), in improving medical students' understanding and knowledge retention of congenital heart disease when compared to traditional teaching methods. Methods: A prospective cohort pilot study was performed with 26 first-year medical students. Students were randomly assigned to receive a 30-minute teaching session using traditional slide-based lecture, 3D-printed model, or AR. Participants completed a 16-question pretest consisting of 4 basic general cardiology questions and 6 questions each regarding the anatomy and physiology of tetralogy of Fallot and hypoplastic left heart syndrome. Participants completed a posttest immediately following the teaching session, as well as a delayed posttest 3 weeks later. Results: When comparing overall and subsection posttest scores, the AR group obtained perfect immediate posttest scores at a significantly increased rate compared to the lecture and 3D model groups (6/9, 67% vs 1/8, 13% and 1/9, 11%, respectively; large effect size Cramér V=0.57; P=.02). Participants in the lecture group reported difficulty understanding cardiac anatomy and physiology using only 2D diagrams, whereas those in the 3D-printed model and AR groups almost unanimously reported improved visualization of complex cardiac defects, which enhanced their understanding. Conclusions: Due to the visuospatial benefits of 3D-printed models and AR, there is potential for use in medical education to improve students' knowledge of complex anatomical and physiological concepts. Students who received teaching using 3D-printed models or AR overwhelmingly reported improved 3D visualization of congenital cardiac defects compared to those who were taught via lecture. Additionally, AR and 3D-printed models offer practical opportunities for implementation into medical education curricula as both adjunct and stand-alone teaching modalities.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 ».