TP8.2.9 Development & Evaluation of LapPass™: The Laparoscopic Passport
Notice bibliographique
Résumé
Abstract Aims Laparoscopic surgery is technically challenging and assessment of competency is necessary to ensure patient safety and guide training. Existing tools of assessment are mostly subjective, with a growing need for objective credentialing. LapPass™ was developed by a UK-based laparoscopic society as an accessible simulation assessment tool. The aim of this study was to report on its development and preliminary findings of usability and validity. Methods LapPass™ consists of 4 tasks that test: bimanual dexterity, simulated appendicectomy, dissection and intracorporeal suturing. Participants were prospectively recruited from testing events. Online surveys were sent to assessors and participants to assess the usability, face and content validity of the tool. Options to respond were on a five-point Likert scale with ratings from strongly disagree (1) to strongly agree (5). Results LapPass was launched and offered to trainees as free-of-charge assessment tool. 31 participants and 12 assessors took part. The 1st time pass rate for bimanual dexterity was 19/29 (65.5%), appendicectomy 13/23 (56.5%), dissection 20/27 (74.1%) and intracorporeal suturing 6/19 (31.5%). The mean scores for participants’ usability and validity were 3.8 and 4.12 for bimanual dexterity; 3.96 and 4.37 for appendicectomy; 4.5 and 4.16 for dissection and 3.84 and 4.52 for intracorporeal suturing. Assessors' mean score of usability was 4.5 across all tasks. Assessors scored validity of bimanual dexterity 4.35, appendicectomy 4.42, dissection 3.71 and intracorporeal suturing 4.65. Conclusion LapPass™ is a an accessible objective assessment tool for laparoscopic basic surgical skills with preliminary data to confirm its usability and face and content validity.
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 | 0,003 | 0,001 |
| 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) | 0,001 | 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 ».