Evidence-based Guidelines on the Use of Virtual Surgical Education Pertaining to the Domains of Cognition and Curriculum, Psychomotor Skills Training, and Faculty Development and Mentorship
Notice bibliographique
Résumé
OBJECTIVE: To identify, categorize, and evaluate the quality of literature, and to provide evidence-based guidelines on virtual surgical education within the cognitive and curricula, psychomotor, and faculty development and mentorship domains. SUMMARY OF BACKGROUND DATA: During the coronavirus disease 2019 pandemic, utilizing virtual learning modalities is expanding rapidly. Although the innovative methods must be considered to bridge the surgical education gap, a framework is needed to avoid expansion of virtual education without proper supporting evidence in some areas. METHODS: The Association for Surgical Education formed an ad-hoc research group to evaluate the quality and methodology of the current literature on virtual education and to build evidence-based guidelines by utilizing the SiGN methodology. We identified patient/problem-intervention-comparison-outcome-style questions, conducted systematic literature reviews using PubMed, EMBASE, and Education Resources information Center databases. Then we formulated evidence-based recommendations, assessed the quality of evidence using Grading of Recommendations, Assessment, Development, and Evaluation, Newcastle-Ottawa Scale for Education, and Kirkpatrick ratings, and conducted Delphi consensus to validate the recommendations. RESULTS: Eleven patient/problem-intervention-comparison-outcome-style questions were designed by the expert committees. After screening 4723 articles by the review committee, 241 articles met inclusion criteria for full article reviews, and 166 studies were included and categorized into 3 domains: cognition and curricula (n = 92), psychomotor, (n = 119), and faculty development and mentorship (n = 119). Sixteen evidence-based recommendations were formulated and validated by an external expert panel. CONCLUSION: The evidence-based guidelines developed using SiGN methodology, provide a set of recommendations for surgical training societies, training programs, and educators on utilizing virtual surgical education and highlights the area of needs for further investigation.
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 | 0,073 | 0,225 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,013 |
| Bibliométrie | 0,024 | 0,013 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,010 | 0,006 |
| Intégrité de la recherche | 0,010 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».