Application of stereoscopic visualization on surgical skill acquisition in novices
Notice bibliographique
Résumé
This study examines the influence of monoscopic vs. stereoscopic visualization in novice trainees performing the MISTELS, a validated laparoscopic skill evaluation system consisting of 5 distinct tasks. We hypothesize a difference in performance based on visualization modality. First and second year medical students (n=31) performed the MISTELS battery of tasks using either monoscopic or stereoscopic visualization displays. Regression analysis indicates performance was not correlated to participant manual dexterity or visual spatial ability (p>;0.05). Monoscopic visualization was shown to produce significantly better performance in the peg transfer task alone (p=0.001), with visualization modality producing no significant difference in performance of the remaining tasks (p>;0.05). Qualitatively, 57.1% of participants believed their performance was aided by stereoscopic visualization. Most participants rated the peg transfer task the least difficult task (60%), and the intracorporeal knot‐tying task the most difficult (65.9%). These results suggest the intrinsic difficulty of the MISTELS tasks may exceed a novice user's skill, rendering no benefit with additional 3D cues in naïve surgical trainees, and may serve to increase cognitive load, potentially decrease skill acquisition and learning. Grant Funding Source : Summer Research Training Program, Schulich School of Medicine & Dentistry, The University of Western Ontario, London, Canada
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 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».