MétaCan
Menu
Retour à la cohorte
Enregistrement W2696531974 · doi:10.21037/jtd.2017.05.84

Development of a novel ex vivo porcine laparoscopic Heller myotomy and Nissen fundoplication training model (Toronto lap-Nissen simulator)

2017· article· en· W2696531974 sur OpenAlexaffabout
Hideki Ujiie, Tatsuya Kato, Hsin‐pei Hu, Patrycja Bauer, Priya Patel, Hironobu Wada, Daiyoon Lee, Kosuke Fujino, Colin Schieman, Andrew Pierre, Thomas K. Waddell, Shaf Keshavjee, Gail Darling, Kazuhiro Yasufuku

Notice bibliographique

RevueJournal of Thoracic Disease · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueSurgical Simulation and Training
Établissements canadiensUniversity Health NetworkMcMaster UniversityUniversity of TorontoToronto General Hospital
Organismes subventionnairesnon disponible
Mots-clésNissen fundoplicationMedicineHeller myotomyLaparoscopyMyotomyUpper abdomenGeneral surgeryEsophagusSurgeryRefluxAchalasiaInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background: Surgical trainees are required to develop competency in a variety of laparoscopic operations. Developing laparoscopic technical skills can be difficult as there has been a decrease in the number of procedures performed. This study aims to develop an inexpensive and anatomically relevant model for training in laparoscopic foregut procedures. Methods: An ex vivo, anatomic model of the human upper abdomen was developed using intact porcine esophagus, stomach, diaphragm and spleen. The Toronto lap-Nissen simulator was contained in a laparoscopic box-trainer and included an arch system to simulate the normal radial shape and tension of the diaphragm. We integrated the use of this training model as a part of our laparoscopic skills laboratory-training curriculum. Afterwards, we surveyed trainees to evaluate the observed benefit of the learning session. Results: Twenty-five trainees and five faculty members completed a survey regarding the use of this model. Among the trainees, only 4 (16%) had experience with laparoscopic Heller myotomy and Nissen fundoplication. They reported that practicing with the model was a valuable use of their limited time, repeating the exercise would be of additional benefit, and that the exercise improved their ability to perform or assist in an actual case in the operating room. Significant improvements were found in the following subjective measures comparing pre- vs. post-training: (I) knowledge level (5.6 vs. 8.0, P<0.001); (II) comfort level in assisting (6.3 vs. 7.6, P<0.001); and (III) comfort level in performing as the primary surgeon (4.9 vs. 7.1, P<0.001). The trainees and faculty members agreed that this model was of adequate fidelity and was a representative simulation of actual human anatomy. Conclusions: We developed an easily reproducible training model for laparoscopic procedures. This simulator reproduces human anatomy and increases the trainees’ comfort level in performing and assisting with myotomy and fundoplication.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,407
Score d'incertitude au seuil0,520

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,096
Tête enseignante GPT0,403
Écart entre enseignants0,307 · 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'étudeObservationnel
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

Citations8
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Thoracic DiseaseMême sujetSurgical Simulation and TrainingTravaux en français237 207