MétaCan
Menu
Retour à la cohorte
Enregistrement W2150158397 · doi:10.3138/jvme.0514-050r2

Validation of an Effective, Easy-to-Make Hemostasis Simulator

2014· article· en· W2150158397 sur OpenAlexvenueno aff
Gessica Giusto, Francesco Comino, Marco Gandini

Notice bibliographique

RevueJournal of Veterinary Medical Education · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueSurgical Simulation and Training
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHaptic technologySimulationHemostasisSurgical simulationMedicineSimulation trainingMedical physicsComputer scienceSurgery

Résumé

récupéré en direct d'OpenAlex

The purpose of this study is to describe the construction method of a cost-effective, easy-to-make hemostasis simulator and to compare its effectiveness as a training tool to cadaver training. The simulator is made of materials commonly found in hospitals and clinics. These include a column manometer, a 500-ml saline bag, two intravenous fluid lines, a three-way stopcock, and a 6-mm-diameter Penrose drain. The device was tested on 10 final-year veterinary students. All participants tied 40 knots on the simulator and 40 knots on equine jejunal arteries sourced from a local abattoir. They were then asked to fill out a questionnaire comparing both methods. Participants assigned an overall assessment median score of 8.5/10 to the simulator and of 6.2/10 to cadaver practice. The simulator provided reliable haptic feedback, giving trainees a lifelike feel very close to that experienced when actually closing a blood vessel. In addition, it was effective in objectively evaluating students' ability to place ligatures on vessels. After adequate training, students' skills had significantly improved, alongside their confidence in placing hemostatic sutures. This proves our model is also useful in teaching basic open-surgery skills. Finally, its low production cost makes it ideally suited for self-practice.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,399
Écart entre enseignants0,350 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations16
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Veterinary Medical EducationMême sujetSurgical Simulation and TrainingTravaux en français237 207