The use of virtual reality for training in carotid artery stenting: a construct validation study
Notice bibliographique
Résumé
BACKGROUND: Given that carotid artery stenosis (CAS) intervention is procedurally difficult, possesses an extensive learning curve, and involves a grave list of potential complications, construct validation of new non-clinical training devices is of increasing importance. PURPOSE: To evaluate the construct validity of the Procedicus-Virtual Interventional Simulator Trainer (Procedicus-VIST) and its use as a training tool. MATERIAL AND METHODS: Sixteen interventionalists (15 males, one female; mean interventional radiology [IR] experience >11 years) and 16 medical students (15 males, one female; no IR experience) received 1 hour of didactic instruction followed by an hour of familiarization training. Subjects then attempted to complete a carotid artery stenting procedure within 1 hour while their performance metrics were recorded. All participants completed a qualitative exit survey of subjective parameters using a visual analog scale. RESULTS: Procedure and fluoroscopic time was 8.7 and 8.7 min greater in the novice group (P=0.0066 and P=0.0031), respectively. There were no significant differences in performances between the two groups in the remaining metrics of cine loops (number recorded), tool/vessel ratio, coverage percentage, and placement accuracy or residual stenosis. Contrast measurement metrics were found to be too imprecise for statistical analysis. Experienced and novice opinions differed significantly for six of 10 subjective parameters. No statistically significant difference in video-gaming habits was demonstrated. CONCLUSION: With the exception of the metrics of performance time and fluoroscopic use, construct validity of the Procedicus-VIST carotid metrics were not confirmed. Virtual reality simulation as a training method was valued more by novices than by experienced interventionalists.
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) | 0,000 | 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 ».