Using simulation to improve the cognitive and psychomotor skills of novice students in advanced laparoscopic surgery: A meta-analysis
Notice bibliographique
Résumé
Advances in simulation technologies have enhanced the ability to introduce the teaching and learning of laparoscopic surgical skills to novice students. In this meta-analysis, a total of 18 randomized controlled studies were identified that specifically looked at training novices in comparison with a control group as it pertains to knowledge retention, time to completion and suturing and knotting skills. The combined random-effect sizes (ESs) showed that novice students who trained on laparoscopic simulators have considerably developed better laparoscopic suturing and knot tying skills (d = 1.96, p < 0.01), conducted fewer errors (d = 2.13, p < 0.01), retained more knowledge (d = 1.57, p < 0.01) than their respective control groups, and were significantly faster on time to completion (d = 1.98, p < 0.01). As illustrated in corresponding Forest plots, the majority of the primary study outcomes included in this meta-analysis show statistically significant support (p < 0.05) for the use of laparoscopic simulators for novice student training on both knowledge and advanced surgical skill development (28 of 35 outcomes, 80%). The findings of this meta-analysis support strongly the use of simulators for teaching laparoscopic surgery skills to novice students in surgical residency programs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,017 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».