Surgical Simulation Training for Medical Students: Strategies and Implications in Botswana
Notice bibliographique
Résumé
BACKGROUND: The role of simulation in teaching technical skills to medical students is not yet well defined. Strategies for its use may be especially relevant where teachers, time, and resources are limited, especially in low-middle-income countries. METHODS: Sixty-seven third-year and 67 fifth-year medical students at the University of Botswana were taught surgical skills by a trained peer medical student, a medical officer with no specialty training or a staff surgeon. Pre- and post-intervention performance of two basic tasks (simple interrupted suture (SIS) and laparoscopic peg transfer (LPT)) and one complex task (laparoscopic intracorporeal suture (LIS)) were assessed. Subjective measures of self-perceived performance, preparedness for internship, and interest in surgery were also measured. RESULTS: The simulation program decreased the time to complete the two basic tasks and improved the objective score for the complex task. Performance of the basic skills improved regardless of the seniority of the instructor while performance of the advanced skill improved more when taught by a staff surgeon. All students had similar improvements in their self-reported confidence to perform the skills, preparedness to assist in an operation and preparedness for internship, regardless of the seniority of their instructor. Students taught by a staff surgeon felt better prepared to assist in laparoscopic procedures. CONCLUSION: Simulation-based teaching of defined surgical skills can be effectively conducted by peers and near-peers. The implications are widespread and may be most relevant where time and resources are limited, and where experienced teachers are scarce.
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 | 0,002 | 0,000 |
| 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 ».