MétaCan
Menu
Back to cohort
Record W3157988686 · doi:10.82308/23809

Developing a medical photography best practice guide and teaching technical and ethical principles to clinicians: an exploratory sequential mixed methods study

2019· article· en· W3157988686 on OpenAlexaboutno aff
Farid Wajdi Ibrahim

Bibliographic record

VenueeScholarship@McGill (McGill) · 2019
Typearticle
Languageen
FieldMedicine
TopicDigital Imaging in Medicine
Canadian institutionsnot available
Fundersnot available
KeywordsMedical educationExploratory researchPhotographyBest practiceEngineering ethicsPsychologyMedicineSociologyEngineeringVisual artsPolitical scienceArtSocial science

Abstract

fetched live from OpenAlex

Introduction: La photographie devient de plus en plus importante dans le cadre de la pratique des médecins. Elle est devenue une habitude pour plusieurs médecins, qui s'en servent dans la prise en charge clinique, à des fins de documentation, comme outil d'enseignement ou de recherche, et même comme preuves médico-légales. Il y a un manque de connaissance sur la photographie médicale avec les appareils photo reflex mono-objectifs numériques (DSLR) et à ce jour il n'existe pas de lignes directrices ni de protocoles pour guider les utilisateurs. Les objectifs de cette étude sont; 1) d'identifier les connaissances manquantes en photographie médicale, 2) de développer un guide des règles de l'art qui aidera les utilisateurs de la photographie médicale à maîtriser leurs compétences en photographie et changer leur pratique en conséquence, 3) de partager le résultat final de cette étude avec les médecins spécialistes et les médecins de famille. Méthodes: Nous avons effectué une revue de la littérature suivie par une synthèse systématique dont les résultats ont contribué à une étude exploratoire et séquentielle à méthode mixte. Un modèle de recherche qualitative employant une méthodologie descriptive et qualitative était utilisé, suivi par une étude quasi expérimentale pour valider les résultats. En ce qui concerne la phase qualitative, les photographes étaient choisis à partir d'une méthode d'échantillonnage avec écart maximal, afin d'avoir des photographes de différents groupes d'âge et d'expérience. Le recrutement s'est réalisé jusqu'à la saturation des données était atteinte. Au total, six entrevues en profondeur et semi-structurées étaient menées avec six photographes médicaux qui travaillent dans la région métropolitaine de Montréal. En ce qui concerne la phase quantitative, vingt médecins étaient invités à participer à un atelier pratique dont les données ont contribué à la phase qualitative. Tous les vingt participants devaient accomplir une tâche avant et après l'atelier. Ensuite, les résultats étaient comparés pour évaluer et valider le guide des règles de l'art. À la fin, un questionnaire était envoyé à tous les participants en vue d'obtenir leur rétroaction pour des études futures. Résultats: Selon la recherche, l'analyse et la rétroaction des participants de l'étude qualitative, les défis pour les utilisateurs de la photographie médicale sont le réglage de l'appareil photo et de l'objectif photographique, ainsi que le temps de pose, la distance focale, l'éclairage, le positionnement du patient, la composition photographique, le consentement du patient et la confidentialité et le droit d'auteur. L'ABC de la photographie médicale était conçu avec le but d'enseigner un guide des règles d'art à travers un atelier pratique. Cet atelier a réussi à améliorer les compétences des utilisateurs de la photographie médicale et a réformé leur pratique en conséquence. Conclusions: Notre étude a abouti à une élaboration d'un guide des règles de l'art pour aider les médecins à utiliser les forces de la photographie médicale pour mieux server leurs patients.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.019
metaresearch head score (Gemma)0.042
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMetaresearch, Meta-epidemiology (narrow), Research integrity
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.896
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0190.042
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0010.001
Science and technology studies0.0010.000
Scholarly communication0.0000.001
Open science0.0010.001
Research integrity0.0010.005
Insufficient payload (model declined to judge)0.0000.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.066
GPT teacher head0.419
Teacher spread0.353 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designNot applicable
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2019
Admission routes1
Has abstractyes

Explore more

Same venueeScholarship@McGill (McGill)Same topicDigital Imaging in MedicineFrench-language works237,207