Development and validation of a 3D‐printed model of the ostiomeatal complex and frontal sinus for endoscopic sinus surgery training
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Endoscopic sinus surgery poses unique training challenges due to complex and variable anatomy, and the risk of major complications. We sought to create and provide validity evidence for a novel 3D-printed simulator of the nose and paranasal sinuses. METHODS: Sinonasal computed tomography (CT) images of a patient were imported into 3D visualization software. Segmentation of bony and soft tissue structures was then performed. The model was printed using simulated bone and soft tissue materials. Rhinologists and otolaryngology residents completed 6 prespecified tasks including maxillary antrostomy and frontal recess dissection on the simulator. Participants evaluated the model using survey ratings based on a 5-point Likert scale. The average time to complete each task was calculated. Descriptive analysis was used to evaluate ratings, and thematic analysis was done for qualitative questions. RESULTS: A total of 20 participants (10 rhinologists and 10 otolaryngology residents) tested the model and answered the survey. Overall the participants felt that the simulator would be useful as a training/educational tool (4.6/5), and that it should be integrated as part of the rhinology training curriculum (4.5/5). The following responses were obtained: visual appearance 4.25/5; realism of materials 3.8/5; and surgical experience 3.9/5. The average time to complete each task was lower for the rhinologist group than for the residents. CONCLUSION: We describe the development and validation of a novel 3D-printed model for the training of endoscopic sinus surgery skills. Although participants found the simulator to be a useful training and educational tool, further model development could improve the outcome.
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.
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 | 0,000 |
| 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 | 0,000 |
| 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 découle