A Novel Ureteroscopy Training Platform That Utilizes CT Urograms to Replicate Complex Renal Collecting System Anatomies
Notice bibliographique
Résumé
Introduction: Flexible ureteroscopy (fURS) is a one-person surgical technique, limiting trainees' ability to practice intraoperatively. Although well suited for simulation training, few existing fURS simulators can accurately reproduce complex renal collecting system anatomies. We developed an anatomically accurate fURS simulator using three-dimensional (3D) reconstruction of CT urograms and 3D printing technology to address this need. Materials and Methods: Patient-specific CT urograms were used to create 3D reconstruction of the renal collecting system using Slicer™. 3D models were modified using Blender™. Hollow, elastomer kidney models were created using an Objet 3D™ printer. To test and evaluate the new fURS simulator, 25 volunteers were recruited (5 novices, 13 residents, and 7 urologists). Participants were asked to explore the model with fURS and were evaluated on their ability to deduce its 3D anatomy, their ability to navigate to prespecified calices, and their time to task completion. Furthermore, participants were asked to compare the anatomical model with existing fURS benchtop models (Cook Medical™ and Limbs & Things™) on several criteria, including internal visualization, tactile feedback, and overall functional and teaching fidelity, in a survey. Results: We were able to create a fURS simulator that accurately replicates anatomically complex renal collecting systems. In exploring the model, we noted that unlike staff urologists, novices and residents often completely missed lower pole calices. A survey comparison between our simulator and comparable benchtop simulators revealed consistently better ratings of our simulator on all criteria (p < 0.05). Conclusions: We were able to create an anatomically accurate fURS simulator that provides a more realistic scoping experience. Preliminary testing revealed that trainees will benefit from this simulator, particularly with respect to learning how to navigate challenging collecting systems.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».