Face and content validity of an artificial eye model for Ab-Interno Goniotomy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: To determine the face and content validity of an artificial eye model for ab-interno goniotomy (SimulEYE KDB model, InsEYEt, Westlake Village, CA) by surveying ophthalmologists with varying experience using a Kahook Dual Blade (KDB; New World Medical, Rancho Cucamonga, CA, USA) following a 90-min wet-lab course using the model. PARTICIPANTS: Overall 13 ophthalmologists participated following a surgical simulation session on goniotomy using the goniotomy blade at the 2019 Canadian Ophthalmological Society annual meeting. METHODS: A 17-question survey to assess the face and content validity of the model was given immediately following the surgical simulation session on goniotomy using the goniotomy blade. Responses to each survey question were recorded on a 5-point Likert scale ranging from (1) strongly agree to (5) strongly disagree. RESULTS: nonparametric analysis revealed no significant difference in responses between instructor vs. non-instructor or between prior experience vs. no prior experience for any of the survey statements. The model received highest survey ratings for utility in training residents, acquisition of surgical skills, accessibility, and higher likelihood of success with the procedure than theory and observation alone. Lowest ratings were for realism of the model compared to a human cadaveric eye. CONCLUSION: Our results suggest the SimulEYE KDB model is a reasonably cost-effective solution for simulating angle-based surgeries. Additionally, our project shows that experienced ophthalmologists found the artificial eye models useful and helpful for angle-based surgery training.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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) | 0,000 | 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 découle