Randomized controlled trial of virtual reality and hybrid simulation for robotic surgical training
Notice bibliographique
Résumé
OBJECTIVE: To evaluate if two commonly used laparoscopic simulators could be adapted and used successfully for the robotics platform in a laparoscopic and robotic naïve medical student population. MATERIALS AND METHODS: We identified two widely validated laparoscopic simulation programs, LapSim(®) (Surgical Science Sweden AB), and ProMIS(®) (Haptica, Ireland)for inclusion in the study. The McGill Inanimate System for Training and Evaluation of Laparoscopic Skills(®) task set was used for ProMIS, and adapted for the DaVinci(®) console (Intuitive Surgical, Inc., Sunnyvale, CA, USA) robotic platform. We then randomized 20 naïve medical students to receive training on either LapSim or ProMIS, both or neither, and evaluated them before and after training. RESULTS: When the groups were compared at baseline, there were no statistical differences in mean scores amongst the groups in univariate analysis (α= 0.05). When comparing mean scores within groups before and after training sessions, statistically significant performance enhancement in all four robotic tasks were identified in the groups receiving dual training. CONCLUSION: We have shown that the use of ProMIS hybrid and LapSim virtual reality (VR) simulators in conjunction with each other can considerable improve robotic console performance in novice medical students compared with hybrid and VR simulation alone.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».