MétaCan
Menu
Retour à la cohorte
Enregistrement W2970645545 · doi:10.1097/prs.0000000000005990

Nonbiological Microsurgery Simulators in Plastic Surgery Training: A Systematic Review

2019· review· en· W2970645545 sur OpenAlexaff
Jad Abi‐Rafeh, Dino Zammit, Mehrad Mojtahed Jaberi, Becher Al‐Halabi, Stéphanie Thibaudeau

Notice bibliographique

RevuePlastic & Reconstructive Surgery · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueSurgical Simulation and Training
Établissements canadiensMcGill UniversityMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésMicrosurgeryMedical physicsCurriculumComputer scienceMEDLINEVirtual realityMedicineMedical educationSurgeryPsychologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Simulation has gained notable recognition for its role as an effective training and assessment modality in the present era of competency-based medical education. Despite the well-documented efficacy of both live and cadaveric animal models, several ethical, financial, and accessibility issues persist with their use. Lower fidelity nonbiological simulators have gained recognition for their ability to circumvent these challenges. This systematic review reports on all prosthetic and virtual reality simulators in use for microsurgery training, with an emphasis on each model's complexity, characteristics, advantages, disadvantages, and validation measures taken. METHODS: A systematic search was performed using the National Library of Medicine (PubMed), MEDLINE, and Embase databases. Search terms were those pertaining to prosthetic and virtual reality models with relevance to microsurgical training in plastic surgery. Three independent reviewers evaluated all articles retrieved based on strict inclusion and exclusion criteria. RESULTS: Fifty-seven articles met the inclusion criteria for review, reporting on 20 basic prosthetic models, 20 intermediate models, 13 advanced models, and six virtual reality simulators. CONCLUSIONS: A comprehensive summary has been compiled of all nonbiological simulators in use for microsurgery training in plastic surgery, demonstrating efficacy for the acquisition and retention of microsurgical skills. Metrics-based validation efforts, however, were often lacking in the literature. As plastic surgery programs continue to innovate, ensure accountability, and safely meet today's training standards, prosthetic simulators are set to play a larger role in the development of a standardized, ethical, accessible, and objectively measurable microsurgery training curriculum for the modern-day plastic and reconstructive surgery resident.

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)0,003
score de la tête « metaresearch » (Gemma)0,055
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Méta-épidémiologie (sens large), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,172
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,055
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0170,004
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,137
Tête enseignante GPT0,342
Écart entre enseignants0,205 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations50
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePlastic & Reconstructive SurgeryMême sujetSurgical Simulation and TrainingTravaux en français237 207