Force application of laparoscopic surgeons under the impact of heavy personal protective equipment during COVID-19 pandemic
Notice bibliographique
Résumé
Surgeons are required to wear heavy personal protective equipment while delivering care to patients during the COVID-19 pandemic. We examined the impact of wearing double gloves on surgeons’ performance in laparoscopic surgery. Eleven surgeons-in-training at the Surgical Simulation Research Lab of the University of Alberta were recruited to perform laparoscopic cutting tasks in simulation while wearing none, one pair, and two pairs of surgical gloves. Forces applied to laparoscopic instruments were measured. Wearing gloves prolonged task times (one pair of gloves: 301.6 ± 61.7 s; two pairs of gloves: 295.8 ± 65.3 s) compared with no gloves (241.7 ± 46.9 s; p = 0.043). Wearing double gloves increased cutting errors (20.4 ± 5.1 mm2) compared with wearing one pair of gloves (16.9 ± 5.5 mm2) and no gloves (14.4 ± 4.6 mm2; p = 0.030). Wearing gloves reduced the peak force (one pair of gloves: 2.4 ± 0.7 N; two pairs of gloves: 2.7 ± 0.6 N; no gloves: 3.4 ± 1.4 N; p = 0.049), and the total force (one pair of gloves: 10.1 ± 2.8 N; two pairs of gloves: 10.3 ± 2.6 N; no glove: 12.6 ± 1.9 N; p = 0.048) delivered onto laparoscopic scissors compared with wearing no glove. The combined effects of wearing heavy gloves and using tools reduced the touching sensation, which limited the surgeons’ confidence in performing surgical tasks. Increasing practice in simulation is suggested to allow surgeons to overcome difficulties brought by personal protective equipment.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».