The marriage of surgical simulation and telementoring for damage-control surgical training of operational first responders
Notice bibliographique
Résumé
BACKGROUND: Hemorrhage is the leading cause of preventable posttraumatic death. Many such deaths may be potentially salvageable with remote damage-control surgical interventions. As recent innovations in information technology enable remote specialist support to point-of-care providers, advanced interventions, such as remote damage-control surgery, may be possible in remote settings. METHODS: An anatomically realistic perfused surgical training mannequin with intrinsic fluid loss measurements (the "Cut Suit") was used to study perihepatic packing with massive liver hemorrhage. The primary outcome was loss of simulated blood (water) during six stages, namely, incision, retraction, direction, identification, packing, and postpacking. Six fully credentialed surgeons performed the same task as 12 military medical technicians who were randomized to remotely telementored (RTM) (n = 7) or unmentored (UTM) (n=5) real-time guidance by a trauma surgeon. RESULTS: There were no significant differences in fluid loss between the surgeons and the UTM group or between the UTM and RTM groups. However, when comparing the RTM group with the surgeons, there was significantly more total fluid loss (p = 0.001) and greater loss during the identification (p = 0.002), retraction (p = 0.035), direction (p = 0.014), and packing(p = 0.022) stages. There were no significant differences in fluid loss after packing between the groups despite differences in the number of sponges used; RTM group used more sponges than the surgeons and significantly more than the UTM group (p = 0.048). However, mentoring significantly increased self-assessed nonsurgeon procedural confidence (p = 0.004). CONCLUSION: Perihepatic packing of an exsanguinating liver hemorrhage model was readily performed by military medical technicians after a focused briefing. While real-time telementoring did not improve fluid loss, it significantly increased nonsurgeon procedural confidence, which may augment the feasibility of the concept by allowing them to undertake psychologically daunting procedures.
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 | 0,004 |
| 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) | 0,005 | 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 ».