Advancing Surgical Simulation in Gynecologic Oncology
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: Pelvic lymphadenectomy is a key component of the surgical treatment of several gynecologic cancers and involves mastery of complex anatomic relationships. Our aim was to demonstrate that the anatomy relevant to robotic pelvic lymphadenectomy can be modeled using low-cost techniques, thereby enabling simulation focused on surgical dissection, a task that integrates technical skills and anatomic knowledge. METHODS: A model of pelvic lymphadenectomy was constructed through experimentation with several different materials and a number of prototypes. In the final version, blood vessels were simulated by rubber tubing stented with wire and lymph nodes by cotton balls. Adipose and areolar tissue were simulated by a gelatin solution poured into the model and then allowed to cool and semisolidify. Three gynecologic oncologists and 2 gynecologic oncology fellows dissected the model using the surgical robot (da Vinci Surgical System) and completed a structured questionnaire. Five additional gynecologic oncologists assessed the model at a national conference. RESULTS: The model received high ratings for face and content validity. Median ratings were almost all 4 of 5 or higher (range, 3-5). Participants who dissected the model (n = 5) unanimously rated it as "useful for training throughout residency and fellowship." CONCLUSIONS: A novel low-cost inanimate model of pelvic lymphadenectomy has been developed and rated highly for face and content validity. This model may permit more regular simulation sessions compared with alternatives such as cadaveric dissection and animal laboratories, thereby complementing them and facilitating distributed practice.
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.
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 | 0,007 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,001 | 0,002 |
| 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 découle