MétaCan
Menu
Retour à la cohorte
Enregistrement W2028115667 · doi:10.1089/end.2007.9984

Low-Fidelity Ureteroscopy Models

2007· review· en· W2028115667 sur OpenAlexaff
Edward D. Matsumoto

Notice bibliographique

RevueJournal of Endourology · 2007
Typereview
Langueen
DomaineMedicine
ThématiqueSurgical Simulation and Training
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicineUreteroscopyFidelityTraining (meteorology)Medical physicsBench to bedsideVirtual realityHigh fidelitySurgeryMedical educationComputer scienceHuman–computer interactionEngineering

Résumé

récupéré en direct d'OpenAlex

For several reasons, there has been pressure to seek alternatives to the Halstedian method of surgical training, both for residents and for practicing surgeons faced with a new procedure. The use of bench models to train urology residents in order to maximize their operating-room experience is becoming popular. Realistic latex models and virtual-reality simulators have been introduced. However, the model does not have to look realistic as long as the trainee can practice the pertinent steps of the procedure using the same skills: training on a well-designed low-fidelity model confers the same benefit as training on a high-fidelity model. Bench model training in ureteroscopy appears to have a durable effect on the clinical performance of surgical residents. More research is necessary to validate training on bench models and may lead to more objective measures of surgical competency.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,004

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 Opus0,198
Tête enseignante GPT0,449
Écart entre enseignants0,251 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations25
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of EndourologyMême sujetSurgical Simulation and TrainingTravaux en français237 207