<b>Assessment of a Virtual Interventional Simulator Trainer</b>
Notice bibliographique
Résumé
PURPOSE: To assess the construct validity of the Procedicus Virtual Interventional Simulator Trainer (Procedicus-VIST) and its use as a training tool. METHODS: Two groups comprised of 8 interventional radiologists (experts) and 8 medical students (novices) performed 6 renal artery procedures on the Procedicus-VIST. All participants received a 45-minute standardized didactic introduction before starting the simulations. The first 2-hour session was used for familiarization, whereas the second session constituted the testing period. During each procedure, objective performance data including procedure time, fluoroscopic time, contrast, cine loops, lesion coverage, tool:lesion ratio, placement accuracy, and residual stenosis were recorded by the Procedicus-VIST software. Exit surveys were completed to document demographic and subjective data. A visual analogue scale (VAS) from 0 to 100 was used to rate total, guidewire, catheter, balloon, stent, fluoroscopic, and joystick realism, as well as the simulator's pedagogic value. RESULTS: There were no significant differences in performances between the 2 groups in residual stenosis, placement accuracy, procedure time, number of cine loops, lesion coverage, or tool:lesion ratio. The total fluoroscopic use was greater for the novice group (p < 0.01). Experts rated 6 of the 8 subjective parameters favorably, whereas the novice group approved of 7. CONCLUSIONS: Using this study design, the quantitative metrics recorded by the Procedicus-VIST software failed to stratify performances based upon experience level, with the exception of fluoroscopic use. Investigation comparing standard training to virtual reality training should be performed to assess any differences in actual performance in the catheterization laboratory.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».