SMaRT Assessment Tool: An Innovative Approach for Objective Assessment of Flap Designs
Notice bibliographique
Résumé
SUMMARY: The teaching and assessment of ideal surgical markings for local flaps required for optimal aesthetic and functional outcomes remain a challenge in the present era of competency-based surgical education. The authors utilized the bilobed flap for nasal reconstruction as a proof of concept for the development of an innovative objective assessment tool based on statistical shape analysis, with a focus on providing automated, evidence-based, objective, specific, and practical feedback to the learner. The proposed tool is based on Procrustes statistical shape analysis, previously used for the assessment of facial asymmetry in plastic surgery. For performance boundary testing, a series of optimal and suboptimal designs generated in deliberate violation of the established ideals of optimal bilobed flap design were evaluated, and a four-component feedback score of Scale, Mismatch, Rotation, and Translation (SMaRT) was generated. The SMaRT assessment tool demonstrated the capacity to proportionally score a spectrum of designs (n = 36) ranging from subtle to significant variations of optimal, with excellent computational and clinically reasonable performance boundaries. In terms of shape mismatch, changes in SMaRT score also correlated with intended violations in designs away from the ideal flap design. This innovative educational approach could aid in incorporating objective feedback in simulation-based platforms in order to facilitate deliberate practice in flap design, with the potential for adoption in other fields of plastic surgery to automate assessment processes.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».