Periodic Kinesthetic Guidance Cannot Expedite Learning Surgical Skills
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
Introduction. Connecting multiple haptic devices in a master-slave fashion enables us to deliver kinesthetic (haptic) feedback from 1 person to another. This study examined whether inter-user feedback delivered from an expert to a novice would facilitate skill acquisition of the novice in learning laparoscopic surgery and expedite it compared to traditional methods. Methods. We recruited fourteen novices and divided them into 1 of 2 training groups with 6 half-hour training sessions. The task was precision cutting adopted from one of the tasks listed in Fundamentals of Laparoscopic Surgery using laparoscopic instruments. In the haptic feedback group (haptic), 8 subjects had the chance to passively feel an expert’s performance before they started to practice in each training session. In the self-learning group (control), 6 subjects watched a video before practicing. Each session was video recorded, and task performance was measured by task completion time, number of grasper adjustments, and instrument crossings. Cutting accuracy, defined as the percentage of deviation of the cutting line from the predefined line, was analyzed via computer analysis. Results. Results show no significant difference among performance measures between the 2 groups. Participants performed similarly when practicing alone or with periodic haptic feedback. Discussion. Further research will be needed for improving our way of integrating between-person haptic feedback with skills training protocol.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,001 |
| 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 découle