The Montreal Augmentation Mammaplasty Operation (MAMO) Simulator: An Alternative Method to Train and Assess Competence in Breast Augmentation Procedures
Notice bibliographique
Résumé
BACKGROUND: Surgical residents' exposure to aesthetic procedures remains limited in residency training. The development of the Montreal augmentation mammaplasty operation (MAMO) simulator aims to provide an adjunctive training method and assessment tool to complement the evolving competency-based surgical curriculum. OBJECTIVES: To perform face, content, and construct validations of the MAMO simulator for subpectoral breast augmentation procedures and assess the reliability of the assessment scales used. METHODS: Plastic surgery staff and residents were recruited to perform a subpectoral breast augmentation on the simulator. Video recordings of their performance were blindly evaluated using the objective structured assessment of technical skills (OSATS) system consisting of the global rating scale (GRS), mammaplasty objective assessment tool (MOAT), and a surgery-specific Checklist score. RESULTS: Fourteen plastic surgery residents and seven expert plastic surgeons were enrolled. Experts' performance was significantly higher than residents' according to each of GRS, MOAT, and Checklist scores. Mean values of residents and experts were 23.4 (2.5) vs 36.9 (3.1) (P < 0.0001) for GRS score, 30.4 (2.2) vs 40 (3.2) (P < 0.0001) for MOAT scores, and 9.7 (1.5) vs 12 (1) (P < 0.001) for Checklist scores, respectively. Face and content validations showed excellent results among parameters evaluated, with an overall mean score of 4.8 (0.3) on 5. Cronbach's alpha was 0.96 and 0.83 for GRS and MOAT scores, respectively. Intraclass correlation coefficients for interrater reliability were excellent at 0.93, 0.92, and 0.89 for the GRS, MOAT, and Checklist scores, respectively. CONCLUSIONS: This study proves the construct simulator to be valid and the assessment scales to be reliable.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».