Pilot Assessment of Immersive Virtual Reality Renal Models as an Educational and Preoperative Planning Tool for Percutaneous Nephrolithotomy
Notice bibliographique
Résumé
BACKGROUND: Percutaneous nephrolithotomy (PCNL) requires the urologist to have detailed knowledge of the stone and its relationship with the renal anatomy. Immersive virtual reality (iVR) provides patient-specific three-dimensional models that might be beneficial in this regard. Our objective is to present the initial experience with iVR in surgeon planning and patient preoperative education for PCNL. MATERIALS AND METHODS: From 2017 to 2018 four surgeons, each of whom had varying expertise in PCNL, used iVR models to acquaint themselves with the renal anatomy before PCNL among 25 patients. iVR renderings were also viewed by patients using the same head-mounted Oculus rift display. Surgeons rated their understanding of the anatomy with CT alone and then after CT+iVR; patients also recorded their experience with iVR. To assess the impact on outcomes, the 25 iVR study patients were compared with 25 retrospective matched-paired non-iVR patients. Student's t-test was used to analyze collected data. RESULTS: iVR improved surgeons' understanding of the optimal calix of entry and the stone's location, size, and orientation (p < 0.01). iVR altered the surgical approach in 10 (40%) cases. Patients strongly agreed that iVR improved their understanding of their stone disease and reduced their preoperative anxiety. In the retrospective matched-paired analysis, the iVR group had a statistically significant decrease in fluoroscopy time and blood loss as well as a trend toward fewer nephrostomy tracts and a higher stone-free rate. CONCLUSIONS: iVR improved urologists' understanding of the renal anatomy and altered the operative approach in 40% of cases. In addition, iVR improved patient comprehension of their surgery. Clinically, iVR had benefits with regard to decreased fluoroscopy time and less blood loss along with a trend toward fewer access tracts and higher stone-free rates.
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 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».