Surgical performance in a virtual environment
Notice bibliographique
Résumé
Purpose The purpose of this paper is to determine the effect of video game and surgical experience on the ability to adapt to and use the neuroArm virtual reality (VR) simulator. Design/methodology/approach A total of 48 participants, comprising video gamers, medical students, surgical residents, and qualified surgeons, were recruited. Subjects played three video games and completed a questionnaire. Three pre‐determined tasks simulating surgical procedures were performed using the simulator. Performance was measured by time for task completion, number of errors, and quality of outcome. Findings Gamers outperformed other groups on all measures of performance at almost every task on the VR simulator. All groups showed interval improvement in performance. As age of participants increased, irrespective of their sex and group, their quality of performance decreased and time to complete tasks increased. Initially, the men outperformed the women at every task, however, the difference decreased with repetition. Research limitations/implications More participants are needed to increase statistical significance of the results, in particular female participants. Practical implications This study showed that gamers adapted rapidly to the neuroArm trainer, which could be attributed to enhanced visual attention and spatial distribution skills from video game play. Therefore, visuospatial skills may become strong elements in the selection criterion for future generations of surgical trainees. Originality/value This study evaluated performance on the neuroArm trainer for the first time. The results provide insight into the design of a training program that helps select and prepare future surgeons for robotic surgery.
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 | 0,001 |
| 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 ».