Impact of Background Music on the Performance of Laparoscopy Teams
Notice bibliographique
Résumé
Abstract BACKGROUND: Music and noise have different impacts on individuals in the operating room. Their effects on the performance of surgical teams in simulated environments are not well documented. We investigated if laparoscopic teams operating under favorable acoustic conditions would perform better than under noisy conditions.METHODS: We recruited 114 surgical residents and built 57 two-person teams. Each team was required to perform two laparoscopic tasks (object transportation and collaborative suturing) on a simulation training box under musical, neutral, and noisy acoustic conditions. Data were extracted from video recordings of each performance for analysis. Task performance was measured by the duration of time to complete a task and the total number of errors, and objective performance scores. The measures were compared over the three acoustic conditions.RESULTS: A musical environment elicited higher performance scores than a noisy environment for both the object transportation (performance score: 66.3 ± 8.6 vs. 57.6 ± 11.2; p < 0.001) and collaborative suturing tasks (78.6 ± 5.4 vs. 67.2 ± 11.1; p < 0.001). Task times in the musical and noisy environments was subtracted to produce a musical-noisy difference time. Pearson correlation coefficient analysis showed a significant negative relationship between the team experience score and the musical-noisy difference time on the object transportation (r = -0.246, p = 0.046) and collaborative suturing tasks (r = -0.248, p = 0.044). CONCLUSIONS: As to individuals, music enhances the performance of a laparoscopy team while noise worsens performance. The negative correlation between team experience and musical-noisy difference time suggests that laparoscopy teams composed of experienced surgeons are less likely affected by an acoustic distraction than novice teams. Team resistance to acoustic distraction may lead to a new way for assessing team skills.
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 | 0,006 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».