Investigating laparoscopic psychomotor skills in veterinarians and veterinary technicians
Notice bibliographique
Résumé
Abstract Objectives To determine the influence of age, year of graduation, and video game experience on baseline laparoscopic psychomotor skills. Study design Cross‐sectional. Sample Population : Licensed veterinarians (n = 38) and registered veterinary technicians (VTs) (n = 49). Methods A laparoscopic box trainer was set up at the 2016 Ontario Veterinary Medical Association (OVMA) and the 2016 Ontario Association of Veterinary Technicians (OAVT) conferences held in Toronto, Ontario, Canada. Participants volunteered to perform a single repetition of a peg transfer (PT) exercise. Participants were given a short demonstration of the PT task prior to testing. A Spearman's rank correlation (r s ) was used to identify associations between baseline psychomotor skills and self‐reported surgical and non‐surgical experiences collected via survey. Mann‐Whitney U tests were used to compare PT scores in veterinarians and VTs. A P ‐value of < .05 was considered significant. Results The mean age of participants was 36 years (range 21‐67) and the majority were female (83%). In veterinarians, PT scores were highest in the most recent graduates ( P = .01, r s = 0.42), and PT scores increased with self‐reported VG experience ( P = .02, r s = 0.38). PT scores correlated inversely with age ( P = .02, r s = −0.37). No associations were observed in VTs ( P > .05). Veterinary technicians that frequently used chopsticks scored higher than those without chopstick experience ( P = .04). Conclusions Age and year of graduation correlated inversely, while self‐reported VG experience correlated positively with laparoscopic psychomotor skills of veterinarians, when assessed on a simulator. The use of chopsticks may contribute to the acquisition of psychomotor skills in VTs.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».