An over-view of robot assisted surgery curricula and the status of their validation
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
INTRODUCTION: Robotic surgery is a rapidly expanding field. Thus far training for robotic techniques has been unstructured and the requirements are variable across various regions. Several projects are currently underway to develop a robotic surgery curriculum and are in various stages of validation. We aimed to outline the structures of available curricula, their process of development, validation status and current utilization. METHODS: We undertook a literature review of papers including the MeSH terms "Robotics" and "Education". When we had an overview of curricula in development, we searched recent conference abstracts to gain up to date information. RESULTS: The main curricula are the FRS, the FSRS, the Canadian BSTC and the ERUS initiative. They are in various stages of validation and offer a mixture of theoretical and practical training, using both physical and simulated models. DISCUSSION: Whilst the FSRS is based on tasks on the RoSS virtual reality simulator, FRS and BSTC are designed for use on simulators and the robot itself. The ERUS curricula benefits from a combination of dry lab, wet lab and virtual reality components, which may allow skills to be more transferable to the OR as tasks are completed in several formats. Finally, the ERUS curricula includes the OR modular training programme as table assistant and console surgeon. CONCLUSION: Curricula are a crucial step in global standardisation of training and certification of surgeons for robotic surgical procedures. Many curricula are in early stages of development and more work is needed in development and validation of these programmes before training can be standardised.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 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