Effects of two training curricula on basic laparoscopic skills and surgical performance among veterinarians
Notice bibliographique
Résumé
OBJECTIVE: To compare laparoscopic skills among veterinarians before and after undertaking 1 of 2 programs of simulation training. DESIGN: Evaluation study. SAMPLE POPULATION: 17 veterinarians at 1 institution. PROCEDURES: Basic skills were tested by use of the McGill inanimate system for training and evaluation of laparoscopic skills (MISTELS). Surgical performance was assessed through an objective structured assessment of technical skills (OSATS). Both tests were performed prior to and after a 12-session training program, consisting of MISTELS exercises (curriculum A) or a variety of exercises (curriculum B). RESULTS: Curriculum B led to improvement of scores obtained with both the MISTELS and the OSATS. Curriculum A did not result in higher scores obtained with the MISTELS, compared with curriculum B. Curriculum A did not lead to an improvement of scores obtained with the OSATS. Participant-perceived value of the training program was correlated positively with the improvement of scores for MISTELS suturing tasks and scores obtained with the OSATS. Time spent in clinical laparoscopic surgery and curriculum B training were both positively correlated with the post-training OSATS scores but not with post-training MISTELS scores. Conversely, simulation training time correlated with an increase in MISTELS scores but not OSATS scores. CONCLUSIONS AND CLINICAL RELEVANCE: MISTELS training resulted in significant improvement of basic laparoscopic skills but not in the assessment used for surgical performance. This may have been due to the small number of study participants, the assessment tool, or the method of training. A varied curriculum may be advantageous when training veterinarians for clinical laparoscopic 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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 ».