MétaCan
Menu
Retour à la cohorte
Enregistrement W2016169146 · doi:10.5489/cuaj.222

Robotic surgery basic skills training: Evaluation of a pilot multidisciplinary simulation-based curriculum

2013· article· en· W2016169146 sur OpenAlexaffvenueabout
Kirsten Foell, Antonio Finelli, Kazuhiro Yasufuku, Marcus Q. Bernardini, Thomas K. Waddell, Kenneth T. Pace, R. John D’A. Honey, Jason Y. Lee

Notice bibliographique

RevueCanadian Urological Association Journal · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueSurgical Simulation and Training
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCurriculumRobotic surgeryTask (project management)Multidisciplinary approachMedicineMedical educationMedical physicsSimulationPhysical therapyComputer sciencePsychologySurgeryEngineering

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Simulation-based training improves clinical skills, while minimizing the impact of the educational process on patient care. We present results of a pilot multidisciplinary, simulation-based robotic surgery basic skills training curriculum (BSTC) for robotic novices. METHODS: A 4-week, simulation-based, robotic surgery BSTC was offered to the Departments of Surgery and Obstetrics & Gynecology (ObGyn) at the University of Toronto. The course consisted of various instructional strategies: didactic lecture, self-directed online-training modules, introductory hands-on training with the da Vinci robot (dVR) (Intuitive Surgical Inc., Sunnyvale, CA), and dedicated training on the da Vinci Skills Simulator (Intuitive Surgical Inc., Sunnyvale, CA) (dVSS). A third of trainees participated in competency-based dVSS training, all others engaged in traditional time-based training. Pre- and post-course skill testing was conducted on the dVR using 2 standardized skill tasks: ring transfer (RT) and needle passing (NP). Retention of skills was assessed at 5 months post-BSTC. RESULTS: A total of 37 participants completed training. The mean task completion time and number of errors improved significantly post-course on both RT (180.6 vs. 107.4 sec, p < 0.01 and 3.5 vs. 1.3 sec, p < 0.01, respectively) and NP (197.1 vs. 154.1 sec, p < 0.01 and 4.5 vs. 1.8 sec, p = 0.04, respectively) tasks. No significant difference in performance was seen between specialties. Competency-based training was associated with significantly better post-course performance. The dVSS demonstrated excellent face validity. CONCLUSIONS: The implementation of a pilot multidisciplinary, simulation-based robotic surgery BSTC revealed significantly improved basic robotic skills among novice trainees, regardless of specialty or level of training. Competency-based training was associated with significantly better acquisition of basic robotic skills.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,125
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,061
Tête enseignante GPT0,304
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations65
Publié2013
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Urological Association JournalMême sujetSurgical Simulation and TrainingTravaux en français237 207