High definition video teaching module for learning neck dissection
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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) | 0,001 | 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 découle