Anatomy‐Specific Virtual Reality Simulation in Temporal Bone Dissection: Perceived Utility and Impact on Surgeon Confidence
Notice bibliographique
Résumé
Objective To evaluate the effect of anatomy-specific virtual reality (VR) surgical rehearsal on surgeon confidence and temporal bone dissection performance. Study Design Prospective pre- and poststudy of a novel virtual surgical rehearsal platform. Setting Academic otolaryngology-head and neck surgery residency training programs. Subjects and Methods Sixteen otolaryngology-head and neck surgery residents from 2 North American training institutions were recruited. Surveys were administered to assess subjects' baseline confidence in performing 12 subtasks of cortical mastoidectomy with facial recess. A cadaver temporal bone was randomly assigned to each subject. Cadaver specimens were scanned with a clinical computed tomography protocol, allowing the creation of anatomy-specific models for use in a VR surgical rehearsal platform. Subjects then rehearsed a virtual mastoidectomy on data sets derived from their specimens. Surgical confidence surveys were administered again. Subjects then dissected assigned cadaver specimens, which were blindly graded with a modified Welling scale. A final survey assessed the perceived utility of rehearsal on dissection performance. Results Of 16 subjects, 14 (87.5%) reported a significant increase in overall confidence after conducting an anatomy-specific VR rehearsal. A significant correlation existed between perceived utility of rehearsal and confidence improvement. The effect of rehearsal on confidence was dependent on trainee experience and the inherent difficulty of the surgical subtask. Postrehearsal confidence correlated strongly with graded dissection performance. Subjects rated anatomy-specific rehearsal as having a moderate to high contribution to their dissection performance. Conclusion Anatomy-specific virtual rehearsal improves surgeon confidence in performing mastoid dissection, dependent on surgeon experience and task difficulty. The subjective confidence gained through rehearsal correlates positively with subsequent objective dissection 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 | 0,002 | 0,013 |
| 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) | 0,002 | 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 ».