Use of Robotic Anastomosis Competency Evaluation (RACE) tool for assessment of surgical competency during urethrovesical anastomosis
Notice bibliographique
Résumé
INTRODUCTION: We sought to evaluate the Robotic Anastomosis Competency Evaluation (RACE), a validated tool that objectively quantifies surgical skills specifically for urethrovesical anastomosis (UVA), as a tool to track progress of trainees, and to determine the predictive value of RACE. METHODS: UVAs performed by trainees at our institution were evaluated using RACE over a period of two years. Trainees were supervised by an experienced robotic surgeon. Outcomes included trainee-related variables (RACE score, proportion of UVA performed by trainee, and suturing speed), and clinical outcomes (total UVA duration, postoperative urinary continence, and UVA-related complications). Significance was determined using linear regression analysis. RESULTS: A total of 51 UVAs performed by six trainees were evaluated. Trainee RACE scores (19.8 to 22.3; p=0.01) and trainee proportion of UVA (67% to 80%; p=0.003) improved significantly over time. Trainee suture speed was significantly associated with RACE score (mean speed range 0.54-0.74 sutures/minute; p=0.03). Neither urinary continence at six weeks nor six months was significantly associated with RACE score (p=0.17 and p=0.15, respectively), and only one UVA-related postoperative complication was reported. CONCLUSIONS: Trainee RACE scores improved and proportion of UVA performed by trainees increased over time. RACE can be used as an objective measure of surgical performance during training. Strict mentor supervision allowed safe training without compromising patient outcomes.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 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) | 0,001 | 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 ».