MétaCan
Menu
← Retour à la cohorte
Enregistrement W3011334308 · doi:10.1117/12.2549663

Assessment of skill translation of intrathecal needle insertion using real-time needle tracking with an augmented reality display

2020· article· en· W3011334308 sur OpenAlexaff
Saleh Choueib, Ciara McGarry, Melanie Jaeger, Tamás Ungi, Natasja Janssen, Gábor Fichtinger, Lindsey Patterson

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueSurgical Simulation and Training
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésAugmented realityComputer scienceTranslation (biology)Computer visionTracking (education)IntrathecalEye trackingArtificial intelligenceHuman–computer interactionMedicineSurgeryPsychologyBiology

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Current lumbar puncture simulators lack visual feedback of the needle path. We propose a lumbar puncture simulator that introduces a visual virtual reality feedback to enhance the learning experience. This method incorporates virtual reality and a position tracking system. We aim to assess the advantages of the stereoscopy of virtual reality (VR) on needle insertion skills learning. METHODS: We scanned and rendered spine models into three-dimensional (3D) virtual models to be used in the lumbar puncture simulator. The motion of the needle was tracked relative to the spine model in real-time using electromagnetic tracking, which allows accurate replay of the needle insertion path. Using 3D Slicer and SlicerVR, we created a virtual environment with the tracked needle and spine. In this study, 23 medical students performed a traditional lumbar puncture procedure using the augmented simulator. The participants’ insertions were tracked and recorded, allowing them to review their procedure afterwards. Twelve students were randomized into a VR group; they reviewed their procedure in VR, while the Control group reviewed their procedures on computer monitor. Students completed a standard System Usability Survey (SUS) about the system, and a self-reported confidence scale (1-5) in performing lumbar puncture. RESULTS: We integrated VR visual feedback in a traditional lumbar puncture simulator. The VR group gave an average 70.4 on the System Usability Survey (SUS) vs. 66.8 of the Control group. The only negative feedback on VR was that students felt they required technical assistance to set it up (SUS4). The results show a general affinity for VR and its easeof- use. Furthermore, the mean confidence level rose from 1.6 to 3.2 in the VR group, vs. 1.8 to 3.1 in the Control group (1.6 vs. 1.3 improvement). CONCLUSION: The VR-augmented lumbar puncture simulator workflow incorporates visual feedback capabilities and accurate tracking of the needle relative to the spine model. Moreover, VR feedback allow for a more comprehensive spatial awareness of the target anatomy for improved learning.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,087
Tête enseignante GPT0,366
Écart entre enseignants0,279 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSurgical Simulation and Training→Travaux en français237 207→