A143 IMPACT OF A SIMULATION-BASED AUGMENTED REALITY CURRICULUM ON POLYPECTOMY SKILLS AMONG NOVICE ENDOSCOPISTS: A RANDOMIZED CONTROLLED TRIAL
Notice bibliographique
Résumé
Abstract Background Polypectomy is an essential endoscopic skill. Training in polypectomy has been identified as a major deficiency for endoscopists worldwide as polypectomy occurs ad hoc during a colonoscopy when a polyp is detected, and a lack of standardized curricula. Augmented reality (AR), which superimposes computer-generated images on a user’s view of the world, can address these gaps by standardizing encounters with polyps while completing simulated procedures and enabling polypectomy-specific teaching. Aims Evaluate the impact of a simulation-based augmented reality curriculum on polypectomy performance among novice endoscopists. Methods This study includes two cohorts of participants from 2019 to 2020. In 2019, participants were randomized into either: (1) a control curriculum, involving 6 hours of simulation-based training (SBT) supplemented by expert feedback, interlaced with 4 hours of small group teaching on the theory of colonoscopy; or (2) the augmented reality curriculum (ARC), in involving the same curriculum with integrated AR, wherein participants engaged with an AR-enhanced video demonstrating relevant therapeutic and pathologic details during polypectomy. The SBT for all participants involved a progressive curriculum starting on a bench-top model and then moving to the EndoVR® virtual reality simulator. The primary outcome was polypectomy-specific performance using the Direct Observation of Polypectomy Skills (DOPyS) tool during a simulated polypectomy after training, with a maximum score of 100. Results Demographic characteristics are summarized in Table. In 2019, 21 novice endoscopists were enrolled. Immediately after training, the mean DOPyS score among ARC group participants was 76.2 (SD=17.9) compared to 71.8 (SD=13.2) among control group participants (Figure). In this interim analysis, there was no significant difference between groups. Data analysis will be completed after 2020 participants complete the study. Conclusions Interim results show a trend towards improved polypectomy performance with no significant difference. The results of this study have the potential to impact polypectomy education among novices. Simulation-based AR interventions may allow learners to progress towards achieving competency in polypectomy in a risk-free environment prior to first patient contact. Funding Agencies None
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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.
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 ».