Improvement and Retention of Arthroscopic Skills in Novice Subjects Using Fundamentals of Arthroscopic Surgery Training (FAST) Module
Notice bibliographique
Résumé
INTRODUCTION: Analysis of the Fundamentals of Arthroscopy Surgery Training (FAST) workstation regarding increased proficiency and retention of basic arthroscopy skills in novice subjects. METHODS: First-year medical students from a single allopathic medical school performed weekly standardized FAST workstation modules for a consecutive 6 weeks. Primary outcomes evaluated were time to task completion and error rate on specific modules. Scores were analyzed using a one-way repeated measures analysis of variance design for overall trends in time and errors over the 6-week study. Psychomotor retention was analyzed after a 12-week and 24-week interlude. RESULTS: Across the initial 6-week study, the average time to complete all modules at the workstation decreased significantly (P < 0.001) with a mean reduction in the total workstation time of 21.9 minutes (s = 8.12 minutes). Weekly comparisons showed the most significant improvement from week 1 to week 2 for the total workstation time (P < 0.001). Results after a 12-week and 24-week interval of inactivity demonstrated no significant difference in the mean workstation time or errors when compared with the original 6-week study. DISCUSSION: The FAST workstation significantly improved the task performance of novice participants over a 6-week period with no significant deterioration in task performance after 12 and 24 weeks of inactivity.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».