The Minimally Invasive Esophagectomy (MIE) App: a novel teaching tool for minimally invasive esophagectomy
Notice bibliographique
Résumé
Background: Minimally invasive esophagectomy (MIE) is an alternative to open surgery for patients requiring esophageal resection. Despite the potential of MIE to reduce patient morbidity, the complexity of the procedure has made it challenging to learn, therefore limiting widespread adoption. An interactive computer- and smartphone-based application has been developed to facilitate comprehensive teaching of MIE. Methods: The entire Ivor-Lewis MIE procedure was broken down into fundamental steps. A text-based atlas was created to guide the learner through all phases of the operation. Surgical videos of the associated steps were also captured and annotated. Finally, a 3-dimensional (3D) modeling platform was used to create a simulated environment in which learners can test their knowledge of the procedure. Results: Our application delivers an easy-to-use, multi-platform learning tool. It combines didactic text-based learning with high-definition videos and a realistic, interactive simulator. Conclusions: The MIE App allows individuals to learn and simulate each fundamental step of Ivor-Lewis MIE. It provides accompanying videos as well as a detailed text-based atlas. The application is available through multiple platforms (PC/Mac, Android, and iOS) and provides objective evaluation via an interactive competency assessment tool. We hope that this application will serve as an adjunct to traditional operating room exposure, allowing for accelerated adoption of MIE.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».