Economy of Hand Motion During Cleft Palate Surgery Using a High-Fidelity Cleft Palate Simulator
Notice bibliographique
Résumé
OBJECTIVE: The objectives of this study were to assess economy of hand motion of residents, fellows, and staff surgeons using a high-fidelity cleft palate simulator to (1) stratify performance for the purpose of simulator validation and (2) to estimate the learning curve. DESIGN: Two residents, 2 fellows, and 2 staff surgeons performed cleft palate surgery on a high-fidelity cleft palate simulator while their hand motion was tracked using an electromagnetic hand sensor. The time, number of hand movements, and path length of their hands were determined for 10 steps of the procedure. The magnitude of these metrics was compared among the 3 groups of participants and utilized to estimate the learning curve using curve-fitting analysis. RESULTS: The residents required the most time, number of hand movements, and path length to complete the procedure. Although the number of hand movements was closely matched between the fellows and staff, the overall total path length was shorter for the staff. Inverse curves were fit to the data to represent the learning curve and 25 and 113 simulation sessions are required to reach within 5% and 1% of the expert level, respectively. CONCLUSION: The simulator successfully stratified performance using economy of hand motion. Path length is better matched to previous level of experience compared to time or number of hand movements.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».