Evaluation of clinical endobronchial ultrasound skills following clinical versus simulation 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 with transbronchial needle aspiration (EBUS-TBNA) is a pulmonary procedure that can be challenging to learn. This study aims to compare trainee EBUS-TBNA performance during clinical procedures, following training with a computer EBUS-TBNA simulator versus conventional clinical EBUS-TBNA training. METHODS: A prospective study of pulmonary trainees performing EBUS-TBNA procedures on patients with suspected lung cancer and mediastinal adenopathy. Two cohorts of trainees were each evaluated while performing EBUS-TBNA on two patients. Group 1 received training by performing 15 cases on an EBUS-TBNA simulator (n = 4) and had never performed a clinical EBUS-TBNA procedure. Group 2 received training by doing 15-25 EBUS-TBNA procedures on patients (n = 4). RESULTS: There was no significant difference in the primary outcome measure of total EBUS-TBNA procedure time/number of successful aspirates between Groups 1 and 2 (3.95 (±0.93) vs 3.64 (±0.89), P = 0.51). Total learner EBUS-TBNA procedure time in minutes (23.67 (±5.58) vs 21.81 (±5.36), P = 0.17) and percentage of successful aspirates (93.3% (±5.8%) vs 86.3% (±6.7%), P = 0.12) were not significantly different between Group 1 and Group 2. The only significant difference found between Group 1 and Group 2 was time to intubation in minutes (0.99 (±0.46) vs 0.50 (±0.42), P = 0.04). CONCLUSIONS: EBUS-TBNA simulator use leads to rapid acquisition of clinical EBUS-TBNA skills comparable with that obtained with conventional training methods using practice on patients, suggesting that skills learned using an EBUS-TBNA simulator are transferable to clinical EBUS-TBNA performance. EBUS-TBNA simulators show promise for training, potentially 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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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