MétaCan
Menu
Retour à la cohorte
Enregistrement W2902057897 · doi:10.1089/end.2018.0732

Evaluation of Optimal Timing of Expert Feedback in a Simulated Flexible Ureteroscopy Course

2018· article· en· W2902057897 sur OpenAlexaff
Sandra Kim, Udi Blankstein, Michael Ordon, Kenneth T. Pace, Richardson John D'Arcy Honey, Jason Young Lee, Andrea G. Lantz Powers

Notice bibliographique

RevueJournal of Endourology · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueSurgical Simulation and Training
Établissements canadiensSt. Michael's HospitalUniversity of TorontoMcMaster UniversityDalhousie University
Organismes subventionnairesnon disponible
Mots-clésMedicineUreteroscopySession (web analytics)CurriculumSignificant differenceTask (project management)Learning curveMedical physicsPhysical therapyUrologyInternal medicineUreter

Résumé

récupéré en direct d'OpenAlex

Introduction: Simulation-based training (SBT) has become an increasingly popular modality to train novice surgical residents in the face of rapidly increasing innovative surgical techniques across all surgical disciplines. Recent studies have already demonstrated SBT to be effective in helping overcome the learning curve associated with new surgical techniques, especially in junior residents and endoscopic procedures. In addition, it is known that trainees benefit significantly from expert feedback; however, there is a paucity of data looking into the optimal timing of this feedback during SBT. To address this knowledge deficit, an SBT curriculum was developed for junior urology residents to assess optimal timing of feedback during SBT for flexible ureteroscopy (fURS). Materials and Methods: The SBT course consisted of a pretraining assessment, three independent practice sessions, and a post-training assessment, with residents receiving expert feedback right after their pretraining assessment (early feedback [EF]) or after their final independent training session (late feedback [LF]). Results: Fifteen trainees with similar baseline fURS experience and precourse fURS task performance score participated in the study. There was a significant difference between the pre- and post-task completion times overall (15.2 minutes vs 9.1 minutes, p < 0.001), with no difference between the early or LF groups (p = 0.884). The mean performance scores improved for both groups (18.2 vs 24.2, p < 0.001) with the EF group having a more statistically significant improvement in performance scores than the LF group (p = 0.05), and most (73%) of residents preferred EF. Conclusions: This study demonstrates that an SBT curriculum for fURS is effective for technical skills development among junior trainees, and that EF resulted in marginally better overall scores and was preferred by residents.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,346
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,117
Tête enseignante GPT0,428
Écart entre enseignants0,311 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of EndourologyMême sujetSurgical Simulation and TrainingTravaux en français237 207