Validation of a Novel Virtual Reality Training Curriculum for Robotic Cardiac Surgery a Randomized Trial
Notice bibliographique
Résumé
OBJECTIVE: Robotic cardiac surgery training has relied entirely on classical methods of surgical teaching. We sought to evaluate the impact of a virtual reality (VR) simulation curriculum to improve skill acquisition in robotic cardiac surgery. METHODS: We randomly assigned 20 surgical trainees to undergo a 9-exercise VR curriculum on a robotic surgical simulator or a control group that received no additional training. The trainees were then evaluated in a blinded fashion by assessing their de-identified video recordings of the following: (1) standardized robotic internal thoracic artery harvest and (2) mitral valve annuloplasty performed in porcine models, using a validated time-based scoring system and an objective intraoperative scoring tool. Postintervention assessments were compared to baseline. RESULTS: Trainees randomized to the VR group were faster than the control group for both the internal thoracic artery harvest (957.3 ± 98.9 vs. 749.1 ± 171.9; P = 0.004) and mitral annuloplasty (580.4 ± 14.4 vs. 463.8 ± 86.4; P < 0.001) and scored significantly higher with the intraoperative scoring tool (22.8 ± 2.7 vs. 11.0 ± 4.5; P < 0.001). Additionally, the VR group achieved a proficiency level similar to our experts for both time-based scores (P = 0.624 and P = 0.967), and the intraoperative assessment (P = 0.110), whereas the control group was not able to meet this level of proficiency for any of the primary outcomes. The average duration of training to successfully complete all required tasks was 9.3 hours. CONCLUSIONS: We have demonstrated that a VR simulation curriculum can significantly improve the efficiency and quality of learning in robotic cardiac surgery. Further evaluation of this curriculum is required for its widespread implementation in surgical training (ClinicalTrials.gov, NCT#02357056).
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 | 0,007 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».