Evaluation of a low-cost, 3D-printed model for bronchoscopy training
Notice bibliographique
Résumé
BACKGROUND: Flexible bronchoscopy is a fundamental procedure in anaesthesia and critical care medicine. Although learning this procedure is a complex task, the use of simulation-based training provides significant advantages, such as enhanced patient safety. Access to bronchoscopy simulators may be limited in low-resource settings. We have developed a low-cost 3D-printed bronchoscopy training model. METHODS: A parametric airway model was obtained from an online medical model repository and fabricated using a low-cost 3D printer. The participating physicians had no prior bronchoscopy experience. Participants received a 30-minute lecture on flexible bronchoscopy and were administered a 15-item pre-test questionnaire on bronchoscopy. Afterwards, participants were instructed to perform a series of predetermined bronchoscopy tasks on the 3D printed simulator on 4 consecutive occasions. The time needed to perform the tasks and the quality of task performance (identification of bronchial anatomy, technique, dexterity, lack of trauma) were recorded. Upon completion of the simulator tests, participants were administered the 15-item questionnaire (post-test) once again. Participant satisfaction data on the perceived usefulness and accuracy of the 3D model were collected. A statistical analysis was performed using the t-test. Data are reported as mean values (± standard deviation). RESULTS: The time needed to complete all tasks was 152.9 ± 71.5 sec on the 1st attempt vs. 98.7 ± 40.3 sec on the 4th attempt (P = 0.03). Likewise, the quality of performance score improved from 8.3 ± 6.7 to 18.2 ± 2.5 (P < 0.0001). The average number of correct answers in the questionnaire was 6.8 ± 1.9 pre-test and 13.3 ± 3.1 post-test (P < 0.0001). Participants reported a high level of satisfaction with the perceived usefulness and accuracy of the model. CONCLUSIONS: We developed a 3D-printed model for bronchoscopy training. This model improved trainee performance and may represent a valid, low-cost bronchoscopy training tool.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».