Assessing the role of virtual reality training in Canadian Otolaryngology–Head & Neck Residency Programs: A national survey of program directors and residents
Notice bibliographique
Résumé
BACKGROUND: Given mounting pressure of work hour restrictions, resource constraints, and variability of clinical exposure, Otolaryngology-Head & Neck Surgery (OHNS) residency training has shifted away from the apprenticeship model to embrace the Royal College of Physicians and Surgeons of Canada's "Competence by Design" initiative. As a result, appraising both current and potential educational adjuncts has become increasingly important. In this investigation, a national needs assessment survey was performed to identify strengths, weaknesses, and future opportunities of the current training landscape. METHODS: An online survey was distributed to all thirteen Canadian OHNS post-graduate administrators for completion by program directors and residents from February to October in 2016. Prior to distribution, the survey was vetted for face validity by a group of staff Otolaryngologists and questions were modified accordingly. Quantitative analysis was performed on SPSS (IBM Corp., Chicago) with non-parametric, two-tailed Mann-Whitney U testing performed on scaled questions. RESULTS: Of the 68 responses, 11 of 13 (84.6%) of program directors and 57 of 168 (33.9%) residents responded to the survey. All 13 programs currently utilize cadaveric laboratory dissections. Associated challenges were ranked as specimen availability, faculty participation, insufficient space, and resident time constraints. 30.8% of programs currently utilize some form of virtual reality simulator, which 90.9% of program directors felt would be a fair and effective platform for evaluation. CONCLUSION: A discrepancy exists between the favourable attitudes of both residents and program directors towards virtual reality simulation and its actual adoption. For successful adoption to occur, the existing barriers to unconventional training must be addressed and the tangible benefits for competency based training will need to be explored.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».