Ex Vivo Technical Skills Training Transfers to the Operating Room and Enhances Cognitive Learning
Notice bibliographique
Résumé
In Brief Background: Surgical training in the operating room includes acquiring technical skills and cognitive knowledge. Technical skills training on simulated models has been shown to improve technical performance in the operating room, and may also enhance the acquisition of other skills by freeing cognitive capacity. This has yet to be investigated. Methods: We conducted a single-blinded randomized controlled trial to assess the effect of ex vivo technical skills training on cognitive learning in the operating room. Eighteen novice surgical residents were randomized to 2 groups. All participants were taught the basics of fascial closure and performed 1 closure on a low fidelity synthetic model. Residents in the intervention group practiced on the models until technical proficiency was reached. Residents in the control group had no further contact with the models. All residents then performed a fascial closure on a patient in the operating room while listening to a script that contained relevant clinical information. A validated evaluation tool was used to assess the technical merit of the closure. Finally, all participants completed a multiple-choice test designed to test the information retained from the script. Results: The technical performance of the ex vivo trained group was significantly higher than that of the untrained group (P = 0.04). The ex vivo trained group also performed significantly better on the cognitive retention test (P = 0.03). Conclusions: Technical skills training using a low fidelity synthetic simulator resulted in improved technical performance in the operating room, and enhanced the ability of residents to attend to cognitive components of surgical expertise. Technical skills training on inanimate models can improve technical performance in the operating room and may enhance cognitive learning by freeing attention. This has yet to be investigated. We demonstrate that residents who trained on a simulator showed improved technical ability (p = 0.04) and cognitive learning (p = 0.03) in the operating room.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».