Bench Model Surgical Skill Training Improves Novice Ability to Multitask: A Randomized Controlled Study
Notice bibliographique
Résumé
Skills training in simulation laboratories is becoming increasingly common. However, the educational benefit of these laboratories remains unclear. This study examined whether such training enables better performance on the simultaneous execution of technical skill and knowledge retention. Twenty-four novice trainees completed the elliptical excision on baseline testing. Following baseline testing twelve of the novices completed a technical practice (simulation training group) session, while the other twelve did not (control group). One week later, all participants returned for dual-task follow up testing in which they performed the excision while listening to a didactic lesson on the staging and treatment of cutaneous melanoma. The dual-tasking during the post test was standardized, whereby excision sutures 3 and 5 were performed alone (single), and sutures 4 and 6 were performed concurrently with the didactic lecture (dual). Seven additional trainees also participated as controls that were randomized to listen to the didactic lesson alone (knowledge retention alone group). Knowledge retention was assessed by a multiple choice questionnaire (MCQ). Technical performance was evaluated with computer and expert-based measures. Time to complete the performance improved among both groups completing the elliptical excision on follow-up testing (p<0.01). The simulation training group demonstrated superior hand motion performance on simultaneous didactic lesson testing (p<0.01). Novices from the no-training group performed statistically worse while suturing concurrently with the didactic lesson (p<0.01). The pretraining of novices in surgical skills laboratories leads to improved technical performance during periods of increased attention demands.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,000 |
| 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 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 ».