The Educational Impact of Bench Model Fidelity on the Acquisition of Technical Skill
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the impact of bench model fidelity on the acquisition of technical skill using clinically relevant outcome measures. METHODS: Fifty junior surgery residents participated in a 1-day microsurgical training course. Participants were randomized to 1 of 3 groups: 1) high-fidelity model training (live rat vas deferens; n = 21); 2) low-fidelity model training (silicone tubing; n = 19); or 3) didactic training alone (n = 10). Following training, all participants were assessed on the high- and low-fidelity bench models. Immediate outcome measures included procedure times, blinded, expert assessment of videotaped performance using checklists and global rating scales, anastomotic patency, suture placement precision, and final product ratings. Delayed outcome measures (obtained from the live rat vas deferens 30 days following training) included anastomotic patency, presence of a sperm granuloma, and the presence of sperm on microscopy. RESULTS: Following training, checklist (P < 0.001) and global rating scores (P < 0.001) on the bench model simulators were higher among subjects who received hands-on training, irrespective of model fidelity. Immediate anastomotic patency rates of the rat vas deferens were higher with increasing model fidelity training (P = 0.048). Delayed anastomotic patency rates were higher among subjects who received bench model training, irrespective of model fidelity (P = 0.02). Rates of sperm presence on microscopy were higher among subjects who received high-fidelity model training compared with subjects who received didactic training (P = 0.039) but did not differ among subjects in the high- and low-fidelity groups. CONCLUSIONS: Surgical skills training on low-fidelity bench models appears to be as effective as high-fidelity model training for the acquisition of technical skill among novice surgeons.
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 | 0,006 |
| 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) | 0,004 | 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 ».