The impact of constructive feedback on training in gastrointestinal endoscopy using high-fidelity virtual-reality simulation: a randomised controlled trial
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
BACKGROUND: Recently, virtual reality computer simulators have been used to enhance traditional endoscopy teaching. Previous studies have demonstrated construct validity of these systems and transfer of virtual skills to the operating room. However, to date no simulator-training curricula have been designed and there is very little evidence on the impact of external feedback on acquisition of endoscopic skills. The aim of the present study was to assess the impact of external feedback on the learning curves on a VR colonoscopy simulator using inexperienced trainees. MATERIALS AND METHODS: 22 trainees, without colonoscopy experience were randomised to a group which received structured feedback provided by an experienced supervisor and a controlled group. All participants performed 15 repetitions of task 3 from the Introduction colonoscopy module of the Accu Touch Endoscopy simulator. Retention/transfer tests on simulator were performed 4-6 weeks after the last repetition. The proficiency levels were based on the performance of eight experienced colonoscopists. RESULTS: All subjects were able to complete the procedure on the simulator. There were no perforations in the feedback group versus seven in the non-feedback group. Subjects in the feedback group reached expert proficiency levels in percentage of mucosa visualised and time to reach the caecum significantly faster compared with the control group. None of the groups demonstrated significant degradation of performance in simulator retention/transfer tests. CONCLUSION: Concurrent feedback given by supervisor concur an advantage in acquisition of basic colonoscopy skills and achieving of proficiency level as compared to independent training.
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 | 0,003 |
| 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