Utilizing NeuroTouch, a virtual reality simulator, to assess and monitor bimanual performance during brain tumor resection
Notice bibliographique
Résumé
Background: NeuroTouch simulator provides the potential to determine performance metrics, but validation and easily utilized software are essential before implementation of this platform into neurosurgical training. Objectives: Evaluate and validate neurosurgical performance metrics for simulated brain tumors resection. Develop software and a global web based system to allow utilization of these metrics. Methods: The bimanual resection of 8 simulated brain tumors with differing complexity was evaluated. Software was developed to automatically generate all the metrics from NeuroTouch data output including: blood loss, tumor percentage resected, total brain volume removed, maximum and sum of forces utilized, efficiency index, ultrasonic aspirator path length index (UAPLI), coordination index and ultrasonic aspirator bimanual forces ratio (UABFR). Six neurosurgeons and 12 residents were evaluated. Results: Resident performance was significantly more impaired than neurosurgeon by increasing tumor complexity. Significant differences were found between neurosurgeons, senior, and junior residents on efficiency index and UAPLI. UABFR outlined significant differences between senior and junior residents. Coordination index demonstrated significant differences between junior residents and neurosurgeons. Conclusions: Utilizing metrics employed the NeuroTouch platform differentiated novice from expert performance. Software was developed for metrics and will be made available online for all NeuroTouch users allowing global comparison of neurosurgical 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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».