Efficacy of Surgical Simulation Training in a Low‐Income Country
Notice bibliographique
Résumé
INTRODUCTION: Simulation training has evolved as an important component of postgraduate surgical education and has shown to be effective in teaching procedural skills. Despite potential benefits to low- and middle-income countries (LMIC), simulation training is predominately used in high-income settings. This study evaluates the effectiveness of simulation training in one LMIC (Rwanda). METHODS: Twenty-six postgraduate surgical trainees at the University of Rwanda (Kigali, Rwanda) and Dalhousie University (Halifax, Canada) participated in the study. Participants attended one 3-hour simulation session using a high-fidelity, tissue-based model simulating the creation of an end ileostomy. Each participant was anonymously recorded completing the assigned task at three time points: prior to, immediately following, and 90 days following the simulation training. A single blinded expert reviewer assessed the performance using the Objective Structured Assessment of Technical Skill (OSATS) instrument. RESULTS: The mean OSATS score improvement for participants who completed all the assessments was 6.1 points [95 % Confidence Interval (CI) 2.2-9.9, p = 0.005]. Improvement was sustained over a 90-day period with a mean improvement of 4.1 points between the first and third attempts (95 % CI 0.3-7.9, p = 0.038). Simulation training was effective in both study sites, though most gains occurred with junior-level learners, with a mean improvement of 8.3 points (95 % CI 5.1-11.6, p < 0.001). Significant improvements were not identified for senior-level learners. CONCLUSION: This study supports the benefit for simulation in surgical training in LMICs. Skill improvements were limited to junior-level trainees. This work provides justification for investment in simulation-based curricula in Rwanda and potentially other LMICs.
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 | 0,003 | 0,012 |
| 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 | 0,001 |
| 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) | 0,003 | 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 ».