MétaCan
Menu
Retour à la cohorte
Enregistrement W2083001788 · doi:10.1089/end.2006.0435

Durability of Endourologic Skills: Two-Year Follow-Up Study

2007· article· en· W2083001788 sur OpenAlexaff
Suman Chatterjee, Sidney B. Radomski, Edward D. Matsumoto

Notice bibliographique

RevueJournal of Endourology · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueSurgical Simulation and Training
Établissements canadiensToronto Western HospitalUniversity Health NetworkSt. Joseph’s Healthcare HamiltonMcMaster UniversitySt. Joseph's Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineUreteroscopyChecklistUreterSurgery

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To assess the long-term durability of endourologic skills among urology trainees after an intensive technical skills training course. SUBJECTS AND METHODS: Seventeen urology residents participated in a 2-day ureteroscopy course at a surgical skills center. Residents performed rigid ureteroscopy and basket manipulation of a small midureteral stone. Performance was assessed immediately after the course and 1 year and 2 years after training. Residents prospectively tracked all ureteroscopic cases in which they were considered the primary surgeon (i.e., performed greater than 75% of the procedure). Performance was measured using a validated global rating score (GRS), checklist score (CLS), and time required to complete the task. RESULTS: Overall, GRS improved over the 2-year follow-up (P < 0.001), with most of the improvement occurring in the first year (P = 0.03). The CLS and time to complete the task did not change (P = 0.08 and 0.12, respectively). At the 2-year follow-up, the number of cases logged had no significant effect on performance. CONCLUSIONS: Ureteroscopy skills are retained and continue to improve 2 years after completing an intense training session that uses high-fidelity bench models. Ureteroscopic experience is important for the maintenance and development of skills, even though they appear to plateau after 1 year. This result may also reflect a ceiling effect of the assessment tools.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,794

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,348
Écart entre enseignants0,314 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations8
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of EndourologyMême sujetSurgical Simulation and TrainingTravaux en français237 207