Hybrid Augmented Reality Simulator: Preliminary Construct Validation of Laparoscopic Smoothness in a Urology Residency Program
Notice bibliographique
Résumé
PURPOSE: We examined the usefulness, reliability and applicability of the smoothness metric of the ProMIS hybrid simulator (Haptica, Dublin, Ireland) for a urology residency program. MATERIALS AND METHODS: A total of 15 urology residents divided into junior and senior cohorts were followed prospectively for 6 training sessions. Validated McGill Inanimate System for Training and Evaluation of Laparoscopic Skills (MISTELS) laparoscopic tasks were used. The ProMIS hybrid simulator smoothness parameter, a unit-free metric of movement efficiency, was recorded using 3-dimensional visual tracking technology. Results were compared between cohorts at the midpoint and end of the defined training sessions. End of study junior means were also retrospectively compared to senior mid training means. Statistical significance was determined using the Mann-Whitney U test (alpha = 0.05). RESULTS: Statistically significant differences between 8 junior and 7 senior cohorts were measured in all MISTELS tasks. A statistically significant performance variation was also detected at the mid and end testing times. When juniors and seniors were compared between sessions 1 and 3, and 4 and 6, statistically significant performance improvements were noted. Lastly, statistical differences were also maintained when mid session senior means were compared to end of session junior means. A 38% improvement in task completion in the senior cohort as well as a 10-fold decrease in variance was observed compared to a 12% improvement in juniors, indicating greater efficiency of movement in seniors. CONCLUSIONS: The laparoscopic smoothness metric in the hybrid simulator demonstrated construct validity by effectively differentiating between experienced and novice urology residents using validated MISTELS tasks. The outcome suggests that the hybrid simulator smoothness metric is a valuable asset in residency programs for preparatory training for live operative experience, allowing improved trainee assessment.
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 | 0,000 |
| 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 ».