Canadian medical education journal最新文献

Computer Vision Syndrome is a group of vision symptoms related to screen use, which is a growing point of concern as screens become more integrated into daily life. Medical students are hit particularly hard by this, as they report substantial levels of screen use. While screens are practically necessary in medical education, there are areas of harm reduction that have yet to be addressed. Medical exams are particularly hostile to eye health, as students have to stare at screens for prolonged periods, making them ideal subjects for eye protection and education interventions. Some steps that examiners can take to encourage positive habits in their students are to extend exams with spaces for five-minute breaks or according to the 20-20-20 Rule, encourage an area of alternate fixation for eye breaks, add audio cues signalling breaks, educate about environmental and postural modifications to improve eye health, allow lubricating drops in exams, and modify exams to decrease suspicion of academic misconduct. Le syndrome de la vision artificielle est un ensemble de symptômes visuels liés à l'utilisation d'écrans, ce qui est de plus en plus préoccupant, étant donné que ces écrans sont de plus en plus intégrés à la vie quotidienne. Les étudiants en médecine sont particulièrement touchés par ce phénomène, car ils utilisent souvent les écrans pour leurs études. Pourtant que les écrans sont pratiquement nécessaires dans l'enseignement médical, certains aspects de la réduction des dommages n'ont pas encore été explorés. Les examens médicaux sont particulièrement hostiles à la santé oculaire, car les étudiants doivent regarder des écrans pendant de longues périodes, ce qui en fait des sujets idéaux pour des interventions de protection et d'éducation oculaires. Pour encourager les étudiants à adopter des habitudes positives, les examinateurs peuvent notamment prolonger les examens en prévoyant des pauses de cinq minutes ou en suivant la règle des 20-20-20, encourager une autre zone de fixation pour les pauses, ajouter des signaux audio pour signaler les pauses, informer sur les modifications environnementales et posturales permettant d'améliorer la santé oculaire, autoriser l'utilisation de gouttes lubrifiantes lors des examens, et modifier les examens pour réduire les soupçons de mauvaise conduite académique.

Implication Statement This study explores the integration of an augmented Generative Pre-trained Transformer (GPT) tool with curated scientific sources to enhance the learning of pulmonary function test (PFT) interpretation in pre-clerkship medical education. Our findings suggest that this approach offers notable improvements in accuracy, reliability, and the quality of explanations compared to existing tools, such as Out-of-Box GPT and USMLE Q-Banks. The PFT learning assistant can support medical students in navigating common learning barriers, provide a personalized and scalable approach to evidence-based medical education Énoncé des implications de la recherche Cette étude explore l'intégration d'un outil de transformation générative pré-entraînée (GPT) enrichi de ressources scientifiques sélectionnées afin d'améliorer l'apprentissage de l'interprétation des épreuves fonctionnelles respiratoires (EFR) dans la formation médicale préclinique. Nos résultats suggèrent que cette approche offre des améliorations notables en termes de précision, de fiabilité et de qualité des explications par rapport aux outils existants, tels que le GPT standard et les banques de questions USMLE. Cet assistant d'apprentissage des EFR peut aider les étudiants en médecine à surmonter les obstacles d'apprentissage courants et propose une approche personnalisée et adaptable de la formation médicale fondée sur les preuves.