[Evaluation of a structured e-learning-based approach to CT anatomy of the paranasal sinuses for medical students : A pilot study]

HNO. 2022 Jun;70(6):468-475. doi: 10.1007/s00106-021-01141-x. Epub 2022 Jan 18.
[Article in German]

Abstract

Background: Computed tomography (CT) anatomy is not an integral part of undergraduate medical training in many countries. Radiology seems to be well suited for new online-based teaching methods.

Objective: The aim of this study was to evaluate whether e‑learning is appropriate for introducing complex learning contents such as sinus CT anatomy to novices and to assess whether identification of relevant anatomical variants in sinus CT scans by medical students can be improved with a sinus CT checklist.

Materials and methods: Medical students were asked to assess sinus CT scans for anatomical variants before and after implementation of the CLOSE mnemonic (cribriform plate, lamina papyracea, Onodi cell, sphenoid sinus pneumatization, and [anterior] ethmoidal artery). Sinus CT anatomy and the CLOSE mnemonic were introduced by e‑learning. The rate of correctly identified variants and the results of the individual CLOSE items were recorded. A questionnaire was distributed for subjective evaluation of the usefulness of the checklist and e‑learning.

Results: Ten students took part in this pilot study. The rate of correctly identified variants improved significantly, from 33.3 to 61.1%. The analysis of the individual CLOSE items showed a significant improvement for C, S, and E. The subjective evaluation of the CLOSE mnemonic and e‑learning was very positive.

Conclusion: E‑learning was able to transfer complex learning contents in previously non-trained medical students and was evaluated as an appropriate introduction to the topics. Structured assessment of paranasal sinus CT scans using the CLOSE criteria can significantly improve the recognition of anatomical variants.

Zusammenfassung: HINTERGRUND: Die radiologische Anatomie ist in vielen Ländern kein integraler Bestandteil des Medizinstudiums. Die Radiologie scheint für neue online-basierte Lehrmethoden besonders geeignet.

Ziel der arbeit: Das Ziel dieser Studie ist es, die Eignung des E‑Learnings zur Einführung komplexer Lerninhalte, wie der CT-Anatomie (radiologische Anatomie in der Computertomographie), zu prüfen und zu prüfen, ob die Identifikation wichtiger anatomischer Normvarianten durch Medizinstudent(inn)en durch eine Computertomographie-Checkliste verbessert werden kann.

Material und methoden: Medizinstudierende wurden gebeten, Computertomographien (CT) der Nasennebenhöhlen auf anatomische Normvarianten vor und nach der Einführung der CLOSE-Kriterien (cribriform plate = Lamina cribrosa, Lamina papyracea, Onodi-Zelle = Sphenoethmoidale Zelle, sphenoid sinus = Keilbeinhöhle, ethmoidal artery = Arteria ethmoidalis anterior) zu untersuchen. Sowohl die CT-Anatomie als auch die CLOSE-Kriterien wurden mittels E‑Learning vermittelt. Die Rate der korrekt identifizierten Normvarianten und die Ergebnisse für die einzelnen CLOSE-Items wurden ermittelt. Die subjektive Evaluation des Nutzens der Checkliste und des E‑Learnings erfolgte mithilfe eines Fragebogens.

Ergebnisse: Zehn Studierende nahmen an dieser Pilotstudie teil. Die Rate der korrekt identifizierten anatomischen Normvarianten verbesserte sich nach der Einführung der CLOSE-Kriterien signifikant von 33,3 auf 61,1 %. Die Analyse der einzelnen CLOSE-Items zeigte eine signifikante Verbesserung für C, S und E. Die subjektive Evaluation des E‑Learnings und der CT-Checkliste waren sehr positiv.

Schlussfolgerung: Komplexe Lerninhalte können Medizinstudierenden mittels E‑Learning vermittelt werden, auch wenn bisher kein Vorwissen in diesem Bereich besteht. Das E‑Learning wird als angemessene Methode zur Einführung der Thematik beurteilt. Ein strukturiertes Vorgehen mithilfe der CLOSE-Kriterien kann die Erkennung anatomischer Normvarianten signifikant verbessern.

Keywords: Anatomical variants; CLOSE criteria; Endoscopic sinus surgery; Preoperative CT evaluation; Radiologic anatomy.

MeSH terms

  • Computer-Assisted Instruction*
  • Humans
  • Paranasal Sinuses* / diagnostic imaging
  • Pilot Projects
  • Students, Medical*
  • Tomography, X-Ray Computed / methods