Low-cost three-dimensional printed phantom for neuraxial anesthesia training: Development and comparison to a commercial model
Notice bibliographique
Résumé
Neuraxial anesthesia (spinal and epidural anesthesia) procedures have significant learning curves and have been traditionally taught at the bed side, exposing patients to the increased risk associated with procedures done by novices.Simulation based medical education allows trainees to repeatedly practice and hone their skills prior to patient interaction.Widespread adoption of simulation-based medical education for procedural teaching has been slow due to the expense and limited variety of commercially available phantoms.Free/Libre/ open-source (FLOS) software and desktop 3D printing technologies has enabled the fabrication of low-cost, patient-specific medical phantoms.However, few studies have evaluated the performance of these devices compared to commercially available phantoms.This paper describes the fabrication of a low-cost 3D printed neuraxial phantom based on computed tomorography (CT) scan data, and expert validation data comparing this phantom to a commercially available model. MethodsAnonymized CT DICOM data was segmented to create a 3D model of the lumbar spine.The 3D model was modified, placed inside a digitally designed housing unit and fabricated on a desktop 3D printer using polylactic acid (PLA) filament.The model was filled with an echogenic solution of gelatin with psyllium fiber.Twenty-two staff anesthesiologists performed a spinal and epidural on the 3D printed simulator and a commercially available Simulab phantom.Participants evaluated the tactile and ultrasound imaging fidelity of both phantoms via Likert-scale questionnaire.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».