Computer-Based Virtual Reality Colonoscopy Simulation Improves Patient-Based Colonoscopy Performance
Notice bibliographique
Résumé
BACKGROUND: Colonoscopy simulators that enable one to perform computer-based virtual colonoscopy now exist. However, data regarding the effectiveness of this virtual training are limited. OBJECTIVE: To determine whether virtual reality simulator training translates into improved patient-based colonoscopy performance. METHODS: The present study was a prospective controlled trial involving 18 residents between postgraduate years 2 and 4 with no previous colonoscopy experience. These residents were assigned to receive 16 h of virtual reality simulator training or no training. Both groups were evaluated on their first five patient-based colonoscopies. The primary outcome was the number of proctor 'assists' required per colonoscopy. Secondary outcomes included insertion time, depth of insertion, cecal intubation rate, proctor- and nurse-rated competence, and patient-rated pain. RESULTS: The simulator group required significantly fewer proctor assists than the control group (1.94 versus 3.43; P ≤ 0.001), inserted the colonoscope further unassisted (43 cm versus 24 cm; P=0.003) and there was a trend to intubate the cecum more often (26% versus 10%; P=0.06). The simulator group received higher ratings of competence from both the proctors (2.28 versus 1.88 of 5; P=0.02) and the endoscopy nurses (2.56 versus 2.05 of 5; P=0.001). There were no significant differences in proctor-, nurse- or patient-rated pain, or attention to discomfort. CONCLULSIONS: Computer-based colonoscopy simulation in the initial stages of training improved novice trainees' patient-based colonoscopy performance.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».