Developing Criteria for Proficiency-Based Training of Surgical Technical Skills Using Simulation: Changes in Performances as a Function of Training Year
Notice bibliographique
Résumé
BACKGROUND: Proficiency-based residency training programs can be more efficient than the current duration-based formats. For their successful implementation, appropriate proficiency criteria must be developed. The objective of this study was to investigate the relationship between technical skill performances assessed using computer- and expert-based methods and training year. An assumption was that asymptotes in performance as a function of training year can be used to set the proficiency level for a technical skill, so the value at which the asymptote occurs can be labeled as the proficiency criteria. STUDY DESIGN: Thirty-eight general surgery residents performed one-handed knot tying on bench-top simulators at two levels of difficulty: superficial and deep. Motion-efficiency measures and expert-based measures were used to evaluate performance. Total number of operations (ie, surgical volume) that each trainee participated in during residency was also acquired. RESULTS: On the superficial model, asymptotes were observed at year 1 for motion-efficiency and year 3 for expert-based measures. On the deep model, asymptotes were observed at year 2 for motion-efficiency and year 4 for expert-based measures. CONCLUSIONS: The data demonstrate the challenges associated with defining technical skills proficiency criteria. Different asymptotes were observed for the two assessment methods and neither covaried substantially with surgical volume. These data suggest that this asymptote approach in defining proficiency criteria can be suitable for development of proficiency-based residency training programs. The sensitivity of this approach to the type of assessment method and to the functional difficulty of the simulators used for assessment must be considered.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 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 ».