Does pneumatic otoscopy improve the diagnostic accuracy of otitis media with effusion in clinical practice? A randomized single-blind control trial
Bibliographic record
Abstract
L'objectif de l'étude était de déterminer si l'apprentissage et la formation portant sur l'otoscopie pneumatique pouvaient augmenter la précision du diagnostic de l'otite moyenne séreuse (avec épanchement) en pratique clinique. Une étude de contrôle, à sélection aléatoire, à simple insu, a été entreprise auprès de 30 résidents en pédiatrie de l'Université McGill. Les résidents ont été affectés de façon aléatoire, soit au groupe d'otoscopie pneumatique (groupe d'intervention), soit au groupe d'otoscopie uniquement (groupe témoin). Les deux groupes de l'étude ont suivi un cours théorique d'une heure portant sur l'otite moyenne séreuse (avec épanchement). Le groupe d'intervention a également pris part à une séance d'enseignement de 30 minutes, y inclus une évaluation de l'examen otoendoscopique avec système vidéo et de l'otoscopie pneumatique et une séance d'entraînement. Chaque résident devait examiner 10 oreilles et poser un diagnostic, soit de normalité, soit d'otite moyenne séreuse (avec épanchement). Le tympanogramme a été utilisé comme norme d'excellence. Le pourcentage de diagnostics justes dans les groupes d'intervention et de témoin était de 60 % et de 59 % respectivement (p = 0,85). En conclusion, l'otoscopie pneumatique n'a pas augmenté la précision du diagnostic de l'otite moyenne en pratique clinique.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.015 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.004 | 0.003 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.006 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".