Distributed Simulation in surgical training: An off-site feasibility study
Notice bibliographique
Résumé
BACKGROUND: Simulation offers recognised training benefits, but the cost of high-fidelity contextualised simulation is prohibitive and its accessibility limited to specialised Distributed Simulation centres. Distributed simulation (DS) is an innovative concept of low-cost, portable and high-fidelity contextualised simulation. However, it has previously only been trialled at a central London teaching hospital. AIMS: (1) To explore the off-site feasibility of DS. (2) To determine the response of end-users to DS. METHODS: A DS naive researcher recreated a standardised porcine laparoscopic cholecystectomy scenario at a District General Hospital using DS. A research diary detailed the logistical feasibility of the project, whilst mixed methods were used to determine the response of the 10 surgeons who completed the full-team simulation. RESULTS: DS is feasible off-site with end-users comparing it favourably to their previous simulation experiences. Surgeons perceived DS as being most useful for building the operative confidence of juniors between learning the basics on a bench top model and before entering the operating theatre. CONCLUSIONS: DS has the potential to provide high-fidelity contextualised simulation as an adjunct to, and not a replacement for, surgical training. Unlike other modalities, it is low cost and portable, thereby addressing concerns over affordability and accessibility.
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 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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 tête enseignante, 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 ».