MOTION ANALYSIS AS A TOOL FOR THE EVALUATION OF OCULOPLASTIC SURGICAL SKILL
Notice bibliographique
Résumé
OBJECTIVE: To evaluate motion analysis as a discriminator of ophthalmic plastic surgical skill between surgeons of varying experience. METHODS: Thirty subjects were divided into 3 groups based on surgical experience: novice (< 5 performed procedures; n = 10), intermediate (5-100 procedures; n = 10), and expert (> 100 procedures; n = 10). Detailed 3-dimensional motion data from surgeons performing 2 oculoplastic surgical tasks on a wet laboratory skills board were obtained using the Qualisys motion capture system. The first task was a deep 3-1-1 suture. The second was skin closure with a continuous suture. The main outcome measures were time, overall path length, and total number of movements. Kruskal-Wallis analysis was performed to evaluate statistical significance. RESULTS: Highly significant differences were found during the skin closure task between all groups for mean time (P = .002), overall path length (P = .002), and number of movements (P = .001). For the deep stitch, highly significant differences were also found for time (P < .001), path length (P < .001), and number of movements (P < .001). CONCLUSIONS: Motion analysis, using this technology, was able to differentiate between surgeons of varying experience performing oculoplastic tasks, thus demonstrating construct validity. This technique may be useful in the objective quantitative measurement of oculoplastic skill, with potential applications for training and research.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| 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) | 0,002 | 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 ».