Cette page a été traduite automatiquement et l'exactitude de la traduction n'est pas garantie. Veuillez vous référer au version anglaise pour un texte source.

Faire progresser l'éducation médicale interactive de l'anatomie via la plateforme d'impression 3D virtuelle Metaverse

11 juillet 2024 mis à jour par: National Taiwan University Hospital
L'étude vise à recruter 100 étudiants en médecine de 5e année de l'Université nationale de Taiwan qui ont suivi un cours complet d'anatomie de base et qui viennent tout juste d'entamer des stages cliniques chirurgicaux. Grâce à un essai contrôlé randomisé, une formation pédagogique sera conçue et des pré- et post-tests seront menés pour comparer l'efficacité de l'apprentissage de l'anatomie avancée à l'aide du « système d'impression 3D virtuel Metaverse » en réalité virtuelle, par rapport à la méthode traditionnelle « d'utilisation diagrammes plats à corréler avec les tomodensitométries. L'étude évaluera l'impact sur les résultats d'apprentissage, la motivation et l'expérience d'apprentissage dans l'enseignement avancé de l'anatomie. Nous prévoyons un modèle d'apprentissage bien structuré qui comble le fossé entre les cours de médecine fondamentale et clinique.

Aperçu de l'étude

Statut

Pas encore de recrutement

Les conditions

Intervention / Traitement

Description détaillée

L'anatomie est une composante importante de la formation médicale, en particulier lors des stages cliniques chirurgicaux. Il est crucial que les étudiants soient capables de corréler les connaissances acquises à partir de diagrammes anatomiques plats avec des images médicales et des structures tridimensionnelles réelles. Cependant, pour les étudiants ayant une expérience limitée, transformer des structures anatomiques inconnues de la 2D à la 3D peut s'avérer difficile. Ces dernières années, de nombreuses études ont souligné les avantages significatifs de l’utilisation de modèles anatomiques tridimensionnels dans l’enseignement de l’anatomie. De plus, les outils pédagogiques interactifs ont montré des avantages encore plus importants.

Le métaverse est un espace virtuel partagé collectif créé par l’intégration d’Internet et du monde physique. Il offre une aide substantielle en réalité virtuelle et en apprentissage interactif. Même si l’utilisation répétée de l’impression 3D physique pour différentes parties du corps peut améliorer la compréhension des structures tridimensionnelles, elle est coûteuse et prend du temps. Ainsi, grâce à l'effort collaboratif du département de chirurgie de l'hôpital universitaire national de Taiwan et de l'institut universitaire de réseautage et multimédia de l'université nationale de Taiwan, le « système d'impression 3D virtuel Metaverse » a été développé pour permettre aux étudiants en médecine d'utiliser des appareils portables pour un apprentissage immersif de détails. , anatomie interactive dans une plateforme virtuelle.

Type d'étude

Interventionnel

Inscription (Estimé)

100

Phase

  • N'est pas applicable

Contacts et emplacements

Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.

Coordonnées de l'étude

Critères de participation

Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.

Critère d'éligibilité

Âges éligibles pour étudier

  • Adulte

Accepte les volontaires sains

Non

La description

Critère d'intégration:

  • Plus de 18 ans étudiant au département de médecine de l'Université nationale de Taiwan
  • A suivi un cours magistral d'un an complet sur l'anatomie et un stage d'anatomie globale en troisième année au Département de médecine de l'Université nationale de Taiwan.
  • Étudiants n’ayant pas encore bénéficié d’un stage clinique complet en chirurgie thoracique.
  • Recruter des étudiants en médecine volontaires lors de leur stage en chirurgie thoracique

Critère d'exclusion:

  • Cybermaladie
  • Personne sensible à la stimulation lumineuse

Plan d'étude

Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.

Comment l'étude est-elle conçue ?

Détails de conception

  • Objectif principal: Autre
  • Répartition: Randomisé
  • Modèle interventionnel: Affectation croisée
  • Masquage: Aucun (étiquette ouverte)

Armes et Interventions

Groupe de participants / Bras
Intervention / Traitement
Aucune intervention: 2D (méthode traditionnelle)
Apprentissage de l'anatomie avancée en utilisant la méthode traditionnelle consistant à « utiliser des diagrammes plats pour établir une corrélation avec les tomodensitométries.
Expérimental: 3D (système d'impression 3D virtuel Metaverse)
Apprentissage de l'anatomie avancée à l'aide du "Metaverse Virtual 3D Printing System" en réalité virtuelle.
Grâce à un essai contrôlé randomisé, une formation pédagogique sera conçue et des pré- et post-tests seront menés pour comparer l'efficacité de l'apprentissage de l'anatomie avancée à l'aide du « système d'impression 3D virtuel Metaverse » en réalité virtuelle, par rapport à la méthode traditionnelle « d'utilisation diagrammes plats à corréler avec les tomodensitométries.

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats
Description de la mesure
Délai
Questionnaire d’évaluation de l’auto-efficacité d’apprentissage
Délai: 1 an
Les résultats des questionnaires ne collectent aucune information personnelle. Les valeurs de l'échelle du questionnaire n'indiquent pas de bons ou de mauvais résultats.
1 an
Questionnaire de stratégies motivées d'apprentissage (MSLQ)
Délai: 1 an
Les résultats des questionnaires ne collectent aucune information personnelle. Les valeurs de l'échelle du questionnaire n'indiquent pas de bons ou de mauvais résultats.
1 an
Questionnaire du modèle d'acceptation technologique (TAM)
Délai: 1 an
Les résultats des questionnaires ne collectent aucune information personnelle. Les valeurs de l'échelle du questionnaire n'indiquent pas de bons ou de mauvais résultats.
1 an
Tests d'apprentissage pré- et post-test
Délai: 1 an
Les résultats des tests n'affecteront pas les performances académiques.
1 an

Collaborateurs et enquêteurs

C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.

Les enquêteurs

  • Chercheur principal: Xu-Heng Chiang, MD, National Taiwan University Hospital

Dates d'enregistrement des études

Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.

Dates principales de l'étude

Début de l'étude (Estimé)

1 août 2024

Achèvement primaire (Estimé)

15 janvier 2025

Achèvement de l'étude (Estimé)

1 mars 2025

Dates d'inscription aux études

Première soumission

28 mai 2024

Première soumission répondant aux critères de contrôle qualité

7 juin 2024

Première publication (Réel)

13 juin 2024

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

15 juillet 2024

Dernière mise à jour soumise répondant aux critères de contrôle qualité

11 juillet 2024

Dernière vérification

1 mai 2024

Plus d'information

Termes liés à cette étude

Autres numéros d'identification d'étude

  • 202402100RINE

Informations sur les médicaments et les dispositifs, documents d'étude

Étudie un produit pharmaceutique réglementé par la FDA américaine

Non

Étudie un produit d'appareil réglementé par la FDA américaine

Non

Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .

S'abonner