Validation of Virtual Reality Simulation for Obstetric Ultrasonography
Notice bibliographique
Résumé
INTRODUCTION: Ultrasonography is an important skill for obstetricians and gynecologists; however, trainees have highlighted ultrasonography as an area of deficiency in their training. We undertook a prospective cross-sectional comparative study to assess content and construct validity of an ultrasound virtual reality (VR) simulator (UltraSim). METHODS: Twenty-six physicians and sonographers of varied ultrasonography experience were recruited and divided into trainees (no formal ultrasonography training) and expert (certified) categories. They performed a VR simulation crown-rump length (CRL) ultrasound scan and growth ultrasound scan measuring biparietal diameter, occipitofrontal diameter, abdominal anteroposterior and transverse diameters, and femur length. Maximum pool depth (MPD), placental site, and fetal presentation were also assessed. Outcome measures included the mean absolute deviation and the variance of the absolute deviation from true measurements. Accuracy of determining placental site, fetal presentation, and MPD was assessed. The time taken to perform each type of scan was recorded. RESULTS: Trainees had significantly greater variation of measurement of CRL (P = 0.025) than the expert group. For late-pregnancy fetal biometry, the absolute deviation and the degree of variability for all measurements differed. These differences were statistically significant (P < 0.05) for all measurements except abdominal diameters and MPD. Trainees took significantly longer time to obtain CRL and fetal biometric scans (P < 0.001). All subjects correctly identified fetal presentation and placental site. CONCLUSIONS: Clinicians with differing ultrasonography expertise showed differing skill with the UltraSim VR simulator, demonstrating construct validity for skills needed in simulation. Consideration should be given to investigating whether trainees with minimal scanning experience can improve their clinical skills and efficiency with VR simulation.
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 | 0,012 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».