Unusual suspects: Real-time physiological evaluation of stressors during laparoscopic donor nephrectomy
Notice bibliographique
Résumé
INTRODUCTION: The purpose of this study was to document the variability of faculty surgeon electrodermal activity (EDA) peaks during laparoscopic donor nephrectomy (LDN) to determine the effect of case difficulty and learner expertise on the stress response. METHODS: EDA for a single faculty surgeon was captured over 15 LDN cases using an Empatica E4 wristband. During each case, one of three transplant fellows (novice, intermediate, or expert level LDN expertise) participated. Difficulty was rated preoperatively as "low/moderate/high" by the faculty. EDA peaks were collected and analyzed; the frequency and magnitude of EDA peaks, case difficulty, and fellow expertise were compared using a two-way factorial ANOVA. RESULTS: The main effects of learner expertise (F[2, 308]=11.27, p<0.001) and difficulty rating (F[2, 414]=15.13, p<0.001) were significant. The interaction between difficulty and expertise on faculty EDA peaks was also significant (F[3, 391]=14.29, p<0.001). The novice fellow resulted in higher faculty EDA levels compared to intermediate and expert fellows on low-difficulty cases, but not moderate- or high-difficulty cases. CONCLUSIONS: This is the first report examining faculty surgeon EDA across cases of varying difficulty and varying learner expertise during a high-stakes operation. EDA levels were inversely proportional to the expertise of the learner and case difficulty, suggestive of a significant impact of learner autonomy on faculty stress response.
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 | 0,003 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».