Evaluation of robotic cardiac surgery simulation training: A randomized 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
OBJECTIVE: To compare the currently available simulation training modalities used to teach robotic surgery. METHODS: Forty surgical trainees completed a standardized robotic 10-cm dissection of the internal thoracic artery and placed 3 sutures of a mitral valve annuloplasty in porcine models and were then randomized to a wet lab, a dry lab, a virtual reality lab, or a control group that received no additional training. All groups trained to a level of proficiency determined by 2 expert robotic cardiac surgeons. All assessments were evaluated using the Global Evaluative Assessment of Robotic Skills in a blinded fashion. RESULTS: Wet lab trainees showed the greatest improvement in time-based scoring and the objective scoring tool compared with the experts (mean, 24.9 ± 1.7 vs 24.9 ± 2.6; P = .704). The virtual reality lab improved their scores and met the level of proficiency set by our experts for all primary outcomes (mean, 24.9 ± 1.7 vs 22.8 ± 3.7; P = .103). Only the control group trainees were not able to meet the expert level of proficiency for both time-based scores and the objective scoring tool (mean, 24.9 ± 1.7 vs 11.0 ± 4.5; P < .001). The average duration of training was shortest for the dry lab and longest for the virtual reality simulation (1.6 hours vs 9.3 hours; P < .001). CONCLUSIONS: We have completed the first randomized controlled trial to objectively compare the different training modalities of robotic surgery. Our data demonstrate the significant benefits of wet lab and virtual reality robotic simulation training and highlight key differences in current training methods. This study can help guide training programs in investing resources in cost-effective, high-yield simulation exercises.
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 | 0,051 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,007 |
| 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