Robotic surgery basic skills training: Evaluation of a pilot multidisciplinary simulation-based curriculum
Notice bibliographique
Résumé
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 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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».