Assessment and learning curve evaluation of endobronchial ultrasound skills following simulation and clinical training
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVE: Endobronchial ultrasound is a revolutionary diagnostic pulmonary procedure. The use of a computer endobronchial ultrasound simulator could improve trainee procedural skills before attempting to perform procedures on patients. This study aims to compare endobronchial ultrasound performance following training with simulation versus conventional training using patients. METHODS: A prospective study of pulmonary medicine and thoracic surgery trainees. Two cohorts of trainees were evaluated using simulated cases with performance metrics measured by the simulator. Group 1 received endobronchial ultrasound training by performing 15 cases on an endobronchial ultrasound simulator (n=4). Group 2 received endobronchial ultrasound training by doing 15-25 cases on patients (n=9). RESULTS: Total procedure time was significantly shorter in group 1 than group 2 (15.15 (±1.34) vs 20.00 (±3.25) min, P<0.05). The percentage of lymph nodes successfully identified was significantly better in group 1 than group 2 (89.8 (±5.4) vs 68.1 (±5.2), P < 0.05). There was no difference between group 1 and group 2 in the percentage of successful biopsies (100.0 (±0.0) vs 90.4 (±11.5), P=0.13). The learning curves for simulation trained fellows did not show an obvious plateau after 19 simulated cases. CONCLUSIONS: Using an endobronchial ultrasound simulator leads to more rapid acquisition of skill in endobronchial ultrasound compared with conventional training methods, as assessed by an endobronchial ultrasound simulator. Endobronchial ultrasound simulators show promise for training with the advantage of minimizing the burden of procedural learning on patients.
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découle