Evaluating Simulation in Training for Arthroscopic Knee Surgery: A Systematic Review of the Literature
Notice bibliographique
Résumé
PURPOSE: To evaluate the reported outcomes for measuring the effectiveness of simulation during knee arthroscopy training and determine the consistency of reporting and validation of simulation used in knee arthroscopy training. METHODS: Four databases (MEDLINE, Embase, CINAHL, and Cochrane Central Register of Controlled Trials) were screened for studies involving knee arthroscopy simulation training. Inclusion and exclusion criteria were applied to the searched studies, and a quality assessment was completed for included studies. The reviewers searched the references list in each of the eligible studies to identify other relevant studies that was not captured by our search strategy. RESULTS: We identified 13 eligible studies. The mean number of participants per study was 24 (range: 9 to 42 participants). The 3 most commonly reported surgical skills were the mean time to perform the task (100%), the visualization and probing tasks (77%), and the number of cartilage collisions with measurement of the surgical force (46%). The most commonly described measurement instruments included the Simulation Built-In Scoring System (54%), motion analysis system (23%), and Basic Arthroscopic Knee Skill Scoring System global rating scale (15%). The most frequently reported type of validity for the simulator was construct validity (54%) and concurrent validity (31%). Moreover, construct validity (69%) and concurrent validity (54%) were the most commonly reported type of validity for the measurement instrument. CONCLUSIONS: There is significant variation in reported learning outcomes and measurement instruments for evaluating the effectiveness of knee arthroscopic simulation-based education. Despite this, time to perform a task was the most commonly reported skill-evaluating outcome of simulation. The included studies in this review were of variable strength in terms of their evidence and methodologic quality. This study highlights the need for consistent outcome reporting after arthroscopic simulation training. LEVEL OF EVIDENCE: Level IV, systematic review of Level I, II, and IV studies.
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 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 | 0,007 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».