Impact of Two Distinct Dental Anesthesia Simulation Models on the Perception of Learning by Students / Impacto de dos distintos modelos de simulación para anestesia dental en la percepción del aprendizaje en estudiantes

ABSTRACT We evaluated an infiltration anesthesia simulation model (IAM) and a conduction anesthesia simulation model (CAM) on the perception of learning by Mexican dental students. Our aim was to compare the perception of learning by dental students trained with two distinct dental anesthesia simulation model (DASM) with dental students who were not trained with a DASM. 3 groups participated in the study: G1 (N=12 students) learned to block the mental nerve (BMN) by participating in a theoretical lecture (stage 1) and a clinical demonstration (stage 2); G2 (N=12 students) learned the BMN by participating in the stage 1, stage 2, and training with the CAM; G3 (N=12 students) learned the BMN by participating in the stage 1, stage 2, and training with the IAM. The groups performed the BMN in a clinical exercise. Working-time of all participants was timed. Perception of learning for all participants was evaluated with a 5-point Likert Scale. The results showed that statistically significant differences were found between score of G1 and score of G2 and score of G3 (P<0.05). No statistically significant differences were found between scores of G2 and scores of G3. G1, G2 and G3 showed an average working-time of 12:42 minutes, 9.75 minutes and 8:03 minutes, respectively (P<0.05). We concluded that the IAM and CAM showed a positive impact on the perception of learning, and the students trained with the IAM showed a shorter working time compared with the students trained with the CAM.

RESUMEN En este estudio se evaluó el impacto de un modelo de simulación de anestesia dental por infiltración (IAM) y de un modelo de simulación de anestesia dental por bloqueo (CAM) en la percepción del aprendizaje en estudiantes mexicanos en estomatología. El objetivo fue comparar la percepción en el aprendizaje de estudiantes que entrenaron empleando dos distintos modelos de simulación de anestesia dental con estudiantes que no recibieron entrenamiento empleando algún modelo de simulación de anestesia dental. Participaron 3 grupos en el estudio: G1 (n=12) aprendieron el bloqueo del nervio mentoniano (BNM) al participar en una clase teórica (sesión 1) y en una demostración clínica (sesión 2); G2 (n=12) aprendieron la técnica de anestesia del BNM al participar en la sesión 1, sesión 2 y entrenando con el CAM; G3 (n=12) aprendieron la técnica del BNM al participar en la sesión 1, sesión 2 y entrenando con el IAM. Los grupos aplicaron la técnica del BNM en un ejercicio clínico. Se midió el tiempo de trabajo de los participantes. La percepción del aprendizaje de los participantes se evaluó con una Escala de Likert de 5 ítems. Los resultados mostraron diferencias estadísticamente significativas entre los valores del G2 y del G3 en comparación con el G1. No se encontraron diferencias estadísticas entre los valores del G2 y del G3. El tiempo de trabajo para el G1, G2 y G3 fue respectivamente de: 12:42 minutos, 9.75 minutos y 8:03 minutos, (P<0.05). Se concluyó que el IAM y el CAM mostraron un impacto positivo en la percepción del aprendizaje; los estudiantes entrenados con el IAM mostraron un tiempo de trabajo más corto en comparación con los estudiantes entrenados con el CAM.

Tecnologías de la información y comunicación en el desarrollo de modelos estocásticos aplicados al sector de la salud / Information and communication technologies in the development of stochastic models applied to the health sector

Un modelo estocástico de simulación permite estudiar y represen tar de manera simplificada el comportamiento de variables complejas en términos de probabilidad. En este contexto, el objetivo de este trabajo es presentar, a través del uso de herramientas de tecnologías de la información y comunicación, la aplicabilidad de modelos y métodos de simulación, en estudios de indicadores dentro del sector de la salud. A través del desarrollo de un caso de estudio, este trabajo demuestra el potencial de las herramientas tecnológicas @Risk y Excel en la construcción de modelos estocásticos que permiten a los profesionales de la salud predecir, monitorizar y dar soporte en la toma de decisiones en el tratamiento y seguimiento de indicadores e índices de una población.

A stochastic simulation model allows to study and represents in a simplified manner the behavior of complex variables in terms of probability. In this context, the objective of this work is to present, through the use of information and communication technology tools, the applicability of simulation models and methods, in studies of indicators within the health sector. Through the development of a case study, this work demonstrates the potential of the @Risk and Excel technological tools in the construction of stochastic models that allow health professionals to predict, monitor and support decision making in the treatment and monitoring of indicators and indices of a population.

Alineación Estática de Prótesis a través de Variables Cinéticas y Métodos de Aprendizaje de Máquina / Static Alignment of Prosthetics using Kinetic Variables and Machine Learning Methods

El proceso complejo de la alineación en las prótesis y la no existencia de un modelo predictivo para alineación estática de prótesis transtibiales es el foco de esta investigación.Objetivo: Obtener un modelo computacional que permita establecer la existencia de la alineación estática de prótesis transtibiales a través de parámetros cinéticos presentes en amputados transtibiales unilaterales. Métodos: Se realizó la construcción de una base de datos de valores de Centro de Presión (COP) y distribución de presión plantar en amputados medidos en el Servicio de Amputados y Prótesis del Hospital Militar Central, Bogotá, Colombia. Los datos incluyen valores cinéticos medidos con la prótesis en alineación y en desalineación. Resultados: Se desarrollaron tres modelos computacionales, una red neuronal, una máquina de soporte vectorial y un árbol de decisión, se realizó la comparación del desempeño de los modelos. Conclusiones: Los modelos que hacen uso de máquinas de soporte vectorial y de árboles de decisión tuvieron mayor desempeño que la red neuronal. De esta forma, se comprueba que la alineación estática se puede llevar a cabo de forma objetiva empleando recursos tecnológicos(AU)

The complex process of alignment in prosthesis and the non-existence of a model for static alignment of transtibial prostheses is the focus of this research. Objective: Obtain a computational model to establish the existence of the static alignment of transtibial prostheses through kinetic parameters present in unilateral transtibial amputees. Methods: In the Amputee and Prosthetic Service of the Central Military Hospital, Bogotá, Colombia, the construction of a data base of Pressure Center (COP) and distribution of plantar pressure in amputees was carried out. The data include kinetic values ​​measured with the prosthesis in alignment and misalignment. Results: Three computational models were developed, a neural network, vector support machines and decision trees, the performance of the models was compared. Conclusions: Models that make use of vector support machines and decision trees had higher performance than the neural network. In this way, it is verified that the static alignment can be carried out objectively using technological resources(AU)