MétaCan
Menu
Retour à la cohorte
Enregistrement W2616771772 · doi:10.7759/cureus.1253

A Practice Platform for Systematic Development of Microsurgical Instrument Technique

2017· article· en· W2616771772 sur OpenAlexaff
Darius Bägli, Rakan I. Odeh, Frank J. Penna, Ethan D. Grober, Nicolás Fernández, Armando J. Lorenzo, Lisa Satterthwaite, Adam Dubrowski

Notice bibliographique

RevueCureus · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueSurgical Simulation and Training
Établissements canadiensUniversity of TorontoMemorial University of NewfoundlandOccupational Cancer Research CentreHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésMedicineMicrosurgeryMedical physicsMagnificationSet (abstract data type)FidelityMedical educationSurgeryComputer scienceArtificial intelligenceProgramming language

Résumé

récupéré en direct d'OpenAlex

Many surgical disciplines, particularly those specializing in the pediatric age group, use microsurgical instruments with the assistance of either optical loupe or microscope magnification to perform high precision surgical procedures. We developed a course consisting of two parts: Part 1 consists of low fidelity, inanimate exercises or training and practice platform, and part 2 employed a rat model. In this report, we describe and provide templates for the first part of the course, namely the practice platform as an integral set of six low-fidelity exercises, each focusing on a specific aspect of instrument handling required to master the later use of the instruments during actual microsurgery. This platform is made to systematically and efficiently improve the microsurgical skills of junior as well as advanced surgical trainees.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,544
Score d'incertitude au seuil0,224

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,084
Tête enseignante GPT0,378
Écart entre enseignants0,294 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCureusMême sujetSurgical Simulation and TrainingTravaux en français237 207