High definition video teaching module for learning neck dissection
Notice bibliographique
Résumé
INTRODUCTION: Video teaching modules are proven effective tools for enhancing student competencies and technical skills in the operating room. Integration into post-graduate surgical curricula, however, continues to pose a challenge in modern surgical education. To date, video teaching modules for neck dissection have yet to be described in the literature. PURPOSE: To develop and validate an HD video-based teaching module (HDVM) to help instruct post-graduate otolaryngology trainees in performing neck dissection. METHODS: This prospective study included 6 intermediate to senior otolaryngology residents. All consented subjects first performed a control selective neck dissection. Subjects were then exposed to the video teaching module. Following a washout period, a repeat procedure was performed. Recordings of the both sets of neck dissections were de-identified and reviewed by an independent evaluator and scored using the Observational Clinical Human Reliability Assessment (OCHRA) system. RESULTS: In total 91 surgical errors were made prior to the HDVM and 41 after exposure, representing a 55% decrease in error occurrence. The two groups were found to be significantly different. Similarly, 66 and 24 staff takeover events occurred pre and post HDVM exposure, respectively, representing a statistically significant 64% decrease. CONCLUSION: HDVM is a useful adjunct to classical surgical training. Residents performed significantly less errors following exposure to the HD-video module. Similarly, significantly less staff takeover events occurred following exposure to the HDVM.
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 | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».