Investigating the impact of innate dexterity skills and visuospatial aptitude on the performance of baseline laparoscopic skills in veterinary students
Notice bibliographique
Résumé
OBJECTIVE: To determine if manual dexterity and visuospatial skills can be used to predict baseline laparoscopic surgery skills in veterinary students. STUDY DESIGN: Pilot study. METHODS: Veterinary students (n = 45) from years 1-4 volunteered for this study. An hour-long electronic questionnaire was completed by participants. The first section was used to collect demographics and information about prior nonsurgical experiences. The second section included 3 tests of visuospatial skills, including the Purdue Visualization of Rotations Test, Mental Rotations Test, and Raven's Advanced Progressive Matrices Test. Multiple tests were administered to assess innate dexterity, including the grooved pegboard test, indirect and direct zigzag tracking tests, and the 3Dconnexion proficiency test. Each dexterity test was performed once with the left hand and once with the right hand. The order of task performance was randomized. Basic laparoscopic skills were assessed using the validated fundamentals of laparoscopic surgery (FLS) peg transfer task. RESULTS: There was an association between left-handed grooved pegboard scores (95% CI -10046.36 to -1636.53, P-value = .008) and left-handed indirect zigzag tracking task (95% CI -35.78 to -8.20, P-value = .003) with FLS peg transfer scores. Individuals who reported playing videogames achieved higher scores on the FLS peg transfer task than those without videogame experience (95% CI 583.59 to 3509.97, P-value = .007). CONCLUSION: The results of this study suggest that dexterity was a better predictor of baseline laparoscopic skills than visuospatial skills in veterinary students.
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 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 | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».