MS-05 * UTILIZING A VIRTUAL REALITY SIMULATOR, NEUROTOUCH, TO DETERMINE PROFICIENCY PERFORMANCE BENCHMARKS FOR RESECTION OF SIMULATED BRAIN TUMORS
Notice bibliographique
Résumé
BACKGROUND: The assessment of neurosurgical technical skills during the resection of cerebral tumors in operative environments is complex. Virtual-reality simulation, have the potential to play important roles in the training of neurosurgical trainees. The purpose of this study was to develop benchmarks for a newly proposed set of objective measures (metrics) of neurosurgical technical skills during simulated brain tumors resection using a new virtual reality simulator (NeuroTouch). METHODS: 33 participants were recruited for this study including 17 experts (Board Certified neurosurgeons), 9 junior and 7 senior neurosurgery residents). Each participant resected 18 simulated brain tumors of varying complexity utilizing the NeuroTouch platform. Metrics for assessing surgical performance consisted of (a) volume of surrounding simulated ‘normal’ brain tissue removed; (b) maximum force applied; (c) sum of forces utilized during tumor resection; (d) percentage of tumor removed; (e) duration for task completion, (f) instrument path lengths; (g) pedal activation frequency. RESULTS: Results demonstrate that neurosurgeons resected less surrounding simulated brain tissue and less tumor then residents consistent with the concept that ‘experts’ focus predominately on surgical safety. Utilizing the trimmed mean method to analyze expert neurosurgical technical skills performance for each different metric, we established benchmarks for proficiency-based training in neurosurgery. Junior and senior residents continually modify their psychomotor performance and that the transition between R4 to R5 training years may be particularly important in acquiring the cognitive input necessary to emphasize patient safety during the resection of brain tumors. CONCLUSION: The safety, quality and efficiency of psychomotor performance of expert and novice operators can be measured using novel metrics derived from the NeuroTouch platform and provides proficiency performance benchmarks for the resection of the simulated brain tumors assessed in this study.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».