PROFICIENCY PERFORMANCE BENCHMARKS FOR REMOVAL OF SIMULATED BRAIN TUMORS USING NEUROTOUCH
Notice bibliographique
Résumé
BACKGROUND: Objective assessment of neurosurgical technical skills involved in the resection of cerebral tumors in operative environments is complex. Educators emphasize the need to develop and use objective and meaningful assessment tools that are reliable and valid for assessing trainees' progress in acquiring surgical skills. Novel technologies, such as virtual-reality simulation, have the potential to play important roles in the training of neurosurgeons. The purpose of this study was to develop benchmarks for a newly proposed set of objective measures (metrics) of neurosurgical technical skills performance during simulated brain tumor resection using a new virtual reality simulator (NeuroTouch). METHODS: A total of 31 participants were recruited including 16 ‘experts’ (neurosurgery staff) and 15 neurosurgery residents (‘novices’, 7 junior and 8 senior). Each participant performed 18 simulated brain tumor resections utilizing the NeuroTouch platform. The metrics for assessing surgical performance were computed using the NeuroTouch simulator and consisted of 1) Safety metrics including, volume of surrounding normal tissue removed, maximum force applied and sum of forces utilized during tumor resection 2) Quality of Operation metric which involved the percentage of tumor removed and 3) Efficiency metrics including duration for task completion, instrument path lengths and pedal activation frequency. RESULTS: The results demonstrated that ‘expert’ neurosurgeons (neurosurgery staff) resected less surrounding simulated normal brain tissue and less tumor tissue then residents. This data is consistent with the concept that ‘experts’ focused more on safety of the surgical procedure compared to novices. By analyzing experts' neurosurgical technical skills performance on these different metrics we were able to establish benchmarks for goal proficiency-based training of neurosurgery residents. CONCLUSIONS: Examining ‘expert’ neurosurgical performance in simulated settings such as NeuroTouch provides researchers with novel metrics for assessment of technical skills and development of proficiency based benchmarks. Identification of expert proficiency can led to improvements in resident training and assessment SECONDARY CATEGORY: n/a.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».