Objective Assessment of Laparoscopic Skills
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: Assessment of surgical performance is often accomplished with traditional methods that often provide only subjective data. Trainees who perform well on a simulator in a controlled environment may not perform well in a real operating room environment with distractions. This project uses the ideas of dual-task methodology and applies them to the assessment of performance of laparoscopic surgical skills. The level of performance on distracting secondary tasks while trying to perform a primary task becomes an indirect but objective measure of the surgical skill of the trainee. METHODS: Nine surgery residents and 6 experienced laparoscopic surgeons performed 3 primary tasks on a laparoscopic virtual reality simulator (camera position, grasping, and cholecystectomy) while being distracted by 3 secondary tasks (counting beeps, selective responses, and mental arithmetic). Completion time and error rates were recorded for each combination of tasks. RESULTS: When performed separately, time to completion and error rates for primary and secondary tasks were similar for learners and experts. When performing the tasks simultaneously, learners had more errors than experts. Error rates increased for learners when distracting tasks became more difficult or required more attention. Expert surgeons maintained consistent error rates despite the increasing difficulty of task combinations. CONCLUSIONS: The use of dual-task methodology may help trainers to identify which surgical trainees require more preparation before entering the real operating room environment. Expert surgeons are capable of maintaining performance levels on a primary task in the face of distractions that may occur in the operating room.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,002 | 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