MétaCan
Menu
Retour à la cohorte
Enregistrement W2134402458 · doi:10.1109/biorob.2008.4762804

Design of a sensorized instrument for skills assessment and training in minimally invasive surgery

2008· article· en· W2134402458 sur OpenAlexaff
Ana Luisa Trejos, Rajni V. Patel, Michael D. Naish, Christopher M. Schlachta

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueSurgical Simulation and Training
Établissements canadiensLawson Health Research Institute
Organismes subventionnairesnon disponible
Mots-clésInvasive surgerySurgical instrumentComputer scienceTorqueDegrees of freedom (physics and chemistry)Strain gaugePosition (finance)SimulationMeasure (data warehouse)Medical physicsArtificial intelligenceHuman–computer interactionSurgeryEngineeringMedicinePhysics

Résumé

récupéré en direct d'OpenAlex

The restricted access conditions during minimally invasive surgery (MIS) result in perceptual-motor relationships that are unfamiliar to the novice surgeon and require training to overcome. To aid in MIS skills assessment and training, a novel sensorized instrument has been designed. Strain gauges attached to the instrument measure forces and torques acting at its tip, corresponding to all 5 degrees of freedom (DOFs) available during MIS. A position tracker provides tip motion feedback in 6 DOFs. The instrument is similar in shape, size and weight to traditional laparoscopic instruments, allowing it to be used in any MIS training environment. Furthermore, replaceable tips and handles make the instruments highly versatile. The results of the experimental evaluation show that there are clear differences in both the force and position profiles of trainees and surgeons with different levels of experience.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,213
Score d'incertitude au seuil0,254

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,117
Tête enseignante GPT0,333
Écart entre enseignants0,216 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSurgical Simulation and TrainingTravaux en français237 207