P.016 Bimanual psychomotor performance in neurosurgical resident applicants assessed using NeuroVR (formerly NeuroTouch), a virtual reality simulator
Notice bibliographique
Résumé
Background: Current selection methods for neurosurgical residents lack objective measurements of psychomotor performance. This pilot study was designed to answer three questions: 1) What are the differences in bimanual psychomotor performance among neurosurgical residency applicants using the NeuroVR (formerly NeuroTouch) neurosurgical simulator? 2) Are there exceptionally skilled medical student applicants? 3) Does previous surgical exposure influence surgical performance? Methods: Medical students attending neurosurgery residency interviews at McGill University were asked to participate. Participants were instructed to remove 3 simulated brain tumors. Validated tier 1, tier 2, and advanced tier 2 metrics were utilized to assess bimanual psychomotor performance. Demographic data included weeks of neurosurgical elective and prior operative exposure. Results: Sixteen of 17 neurosurgical applicants (94%) participated. Performances clustered in definable top, middle, and bottom groups with significant differences for all metrics. Increased time spent playing music, increase applicant self-evaluated technical skills, high self-ratings of confidence and increased skin closures statistically influenced performance on univariate analysis. A trend for both self-rated increased operating room confidence and increased weeks of neurosurgical exposure to increase blood loss was seen in multivariate analysis. Conclusions: Simulation technology identifies neurosurgical residency applicants at the extremes of technical ability and extrinsic and intrinsic applicant factors appear to influence performance.
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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 ».