Learning and application of intracorporal slipping knot techniques in minimally invasive surgery
Notice bibliographique
Résumé
Abstract Aim Intracorporal knot tying (ICKT) and suturing in minimally invasive surgery (MIS) are key skills for advanced procedures. The best choice for an intracorporal slipping knot tying technique had not been defined. The aim of this study was to compare two intracorporal slipping knot techniques: the classical C‐loop technique (Variant I) and the square‐to‐slip technique without changing leadership hand (Variant II). Methods A laparoscopic box trainer including laparoscope was used for ICKT. A total of 120 slipping knots were evaluated in two groups with different levels of surgical education. The first group ( n = 5) consisted of senior surgical physicians proficient in laparoscopic surgery. The second group ( n = 10) comprised medical students without any prior experience in laparoscopic surgery. The medical student group received a 1‐hour hands‐on training session. Participants were assessed using the Global Rating Scale of the Objective Structured Assessment of Technical Skills, procedural implementation, knot quality, and task time. Results In the medical student group, performance in all parameters was greater for Variant I compared with Variant II ( P < .005). Contrary to the students group, senior physicians demonstrated significantly faster task time in Variant II compared with Variant I ( P = .001). No significant differences were observed in the remaining parameters. Conclusion For novices, the intracorporal slipping knot is easier to learn with the C‐loop technique (Variant I) than with the square‐to‐slip technique (Variant II). For surgeons experienced in MIS, the square‐to‐slip technique without changing leadership hand (Variant II) was superior to the slipping knot in the C‐loop technique (Variant I) only by time savings. The knot quality, as the most important variable, showed equally good results between both ICKT techniques.
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) | 0,000 | 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 ».