Deliberate Practice on a Virtual Reality Laparoscopic Simulator Enhances the Quality of Surgical Technical Skills
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: Virtual reality (VR) simulation provides unique training opportunities. This study evaluates whether the deliberate practice (DP) can be successfully applied to simulated laparoscopic cholecystectomy (LC) for enhancement of the quality of surgical skills. METHODS: Twenty-six inexperienced surgeons underwent a training program for LC on a VR simulator. Trainees were randomly allocated to 1 of 2 specific protocols of 10 sessions comprising a total of 20 LCs. For each session, the control group performed 2 LCs separated by 30 minutes of occupational activities; the DP group were assigned 30 minutes of DP activities in between 2 LCs. Each participant then performed 2 LCs on a cadaveric porcine model. Quantitative parameters were recorded from the simulator and a motion tracking device; qualitative assessment utilized validated rating scales. RESULTS: Twenty-two subjects completed training. Learning curves on the VR simulator were significant for time taken and number of movements in both groups. The DP group was slower from the third LC (1373 vs. 872 seconds, P = 0.022) and utilized more movements from the seventh (942 vs. 701, P = 0.033). Global rating scores improved significantly in both groups over repeated LCs. The DP group revealed higher scores than control from tenth (19.5 vs. 14, P = 0.014) until the twentieth LC (22 vs. 16, P = 0.003). On the porcine model, the DP group also achieved higher global rating scores (25.5 vs. 19.5, P = 0.002). CONCLUSIONS: VR training improved dexterity for both groups, and led to transfer of skill onto a porcine LC model. The DP group achieved higher quality, and demonstrated superior transfer onto real tissues.
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.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 découle