Validation of a Realistic Simulator for Veterinary Gastrointestinal Endoscopy Training
Notice bibliographique
Résumé
This article reports on the face, content, and construct validity of a new realistic composite simulator (Simuldog) used to provide training in canine gastrointestinal flexible endoscopy. The basic endoscopic procedures performed on the simulator were esophagogastroduodenoscopy (EGD), gastric biopsy (GB), and gastric foreign body removal (FBR). Construct validity was assessed by comparing the performance of novices (final-year veterinary students and recent graduates without endoscopic experience, n=30) versus experienced subjects (doctors in veterinary medicine who had performed more than 50 clinical upper gastrointestinal endoscopic procedures as a surgeon, n=15). Tasks were scored based on completion time, and specific rating scales were developed to assess performance. Internal consistency and inter-rater agreement were assessed. Face and content validity were determined using a 5-point Likert-type scale questionnaire. The novices needed considerably more time than the experts to perform EGD, GB, and FBR, and their performance scores were significantly lower (p<.010). Inter-rater agreement and the internal validity of the rating scales were good. Face validity was excellent, and both groups agreed that the endoscopy scenarios were very realistic. The experts highly valued the usefulness of Simuldog for veterinary training and as a tool for assessing endoscopic skills. Simuldog is the first validated model specifically developed to be used as a training tool for endoscopy techniques in small animals.
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 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 | 0,001 | 0,009 |
| 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».