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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 source (Gemma direct ou Codex distillé), 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