A19 DEVELOPING A COMPETENCY-BASED PERFORMANCE METRIC OF COLONOSCOPY SKILLS ACQUISITION USING MOTION ANALYSIS - STEP 1: LOW-FIDELITY BENCHTOP MODEL
Notice bibliographique
Résumé
Colonoscopy is essential for the diagnosis and treatment of colonic diseases. Simulation is increasingly prevalent in colonoscopy skills acquisition as it allows controlled experiential learning without risk to patients. However, objectively assessing when trainees achieve the competence required to proceed to patients remains an outstanding challenge. To establish a novel metric using advanced motion analysis to objectively assess colonoscopy skills acquisition across multiple simulation models. This pilot study assessed the difference between experienced (N=9) and novice endoscopists (N=20) before and after training on a low-fidelity bench-top colonoscopy simulator developed by Walsh et al. (2009) which is designed to teach basic endoscope handling skills. Experienced colonoscopists were asked to scope four different courses with two repetitions in a random sequence to define the benchmark workflow. Novice endoscopists were asked to scope the same course prior to and after completing a 1-hour practice session. Execution time in seconds, hand path length in meters and number of hand movements were recorded using electromagnetic position sensors attached to the left and right hands and forearms. Before practice novice endoscopists had average right hand (RH) path length, number RH movements, and total time of 6.42m, 48.7, and 153s, respectively. This was significantly higher than expert endoscopist values of 2.91m, 13.6 and 39.9s (p < 0.001 for all). Additionally, pre-practice values were significantly higher than post-practice values of 3.24m, 21.1 and 59.0s (p=0.002, p=0.003, p=0.002, respectively). Fifteen of 20 novice endoscopists reached competency after 1-hour of practice on this model; competency was defined using the second lowest performing expert’s scores. Figure 1 shows execution time of the top and bottom quartile of novice endoscopists after practice compared to the mean of experienced endoscopists. We are the first group to propose a novel platform to assess colonoscopy skills acquisition using motion analysis. Novice endoscopists reliably achieve competency in basic endoscopic handling using a benchmark developed from experienced colonoscopists on a low-fidelity colonoscopy model. The range of novice endoscopist performances after 1-hour of practice reinforces the importance of competency-based assessment. We aim to apply our competency metric to objectively assess all stages of colonoscopy skills acquisition. Southeastern Ontario Academic Medical Organization
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 | 0,008 |
| 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».