MétaCan
Menu
Retour à la cohorte
Enregistrement W3039354332 · doi:10.1016/j.jsurg.2020.06.023

Evaluating the Impact of Medical Student Inclusion Into Hands-On Surgical Simulation in Congenital Heart Surgery

2020· article· en· W3039354332 sur OpenAlexafffund
Nicole Wing Lam Hon, Nabil Hussein, Osami Honjo, Shi‐Joon Yoo

Notice bibliographique

RevueJournal of surgical education · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueSurgical Simulation and Training
Établissements canadiensUniversity of TorontoSickKids FoundationHospital for Sick Children
Organismes subventionnairesHospital for Sick Children
Mots-clésCurriculumMedicineInclusion (mineral)Likert scaleSession (web analytics)Medical educationMedical schoolSurgical simulationSurgeryPsychologyPedagogy

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Over the last decade medical students' interest in pursuing surgery as a career has declined. This is more apparent in high-specialized specialities such as congenital heart surgery (CHS). Early hands-on simulation has shown to have a positive impact on medical students' interest in pursuing surgery, however, its incorporation into medical school curricula is lacking. This study aimed to evaluate the impact of incorporating medical students as surgical assistants during the Hands On Surgical Training course in CHS. METHODS: Local preclinical medical students were invited to participate as surgical assistants during the 5th annual Hands On Surgical Training course in CHS. Among those who responded to the invitation, students were randomly selected and allocated to assist a congenital heart surgeon. All selected students attended an assistants' session prior to the course to familiarize themselves with assisting and to practice basic surgical skills. At the end of both courses students completed a questionnaire based on Likert 5-point scale to evaluate the courses' usefulness. RESULTS: Fifteen medical students completed the questionnaires. All reported a beginner level of understanding of congenital heart disease. All students were highly satisfied with using 3D-printed models to help their understanding of congenital heart disease (4.80 ± 0.41) and agreed that the sessions improved their assisting skills (4.93 ± 0.26). All expressed a desire to attend similar sessions in the future and agreed that surgical simulation inclusion into medical school curricula would enhance learning (5.00 ± 0.00). Interest in pursuing a career in CHS increased from 33% (5) to 87% (13) by the end of the course. CONCLUSIONS: Integration of preclinical medical students into surgical simulation increases interest in pursuing highly specialised surgical specialities such as CHS. Early exposure and the incorporation of such simulation programs into medical school curricula will likely improve surgical skill acquisition and may enable students to be better informed when selecting future career choices.

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)0,006
score de la tête « metaresearch » (Gemma)0,019
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 enseignants0,006
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,019
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,108
Tête enseignante GPT0,498
Écart entre enseignants0,389 · 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

Citations19
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of surgical educationMême sujetSurgical Simulation and TrainingTravaux en français237 207