What is the Current State of Extended Reality Use in Otolaryngology Training? A Scoping Review
Notice bibliographique
Résumé
OBJECTIVE: To map current literature on the educational use of extended reality (XR) in Otolaryngology-Head and Neck Surgery (OHNS) to inform teaching and research. STUDY DESIGN: Scoping Review. METHODS: A scoping review was conducted, identifying literature through MEDLINE, Ovid Embase, and Web of Science databases. Findings were reported according to the Preferred Reporting Items for Systematic Reviews and Meta-Analyses extension for scoping review checklist. Studies were included if they involved OHNS trainees or medical students who used XR for an educational purpose in OHNS. XR was defined as: fully-immersive virtual reality (VR) using head-mounted displays (HMDs), non-immersive and semi-immersive VR, augmented reality (AR), or mixed reality (MR). Data on device use were extracted, and educational outcomes were analyzed according to Kirkpatrick's evaluation framework. RESULTS: Of the 1,434 unique abstracts identified, 40 articles were included. All articles reported on VR; none discussed AR or MR. Twenty-nine articles were categorized as semi-immersive, none used occlusive HMDs therefore, none met modern definitions of immersive VR. Most studies (29 of 40) targeted temporal bone surgery. Using the Kirkpatrick four-level evaluation model, all studies were limited to level-1 (learner reaction) or level-2 (knowledge or skill performance). CONCLUSIONS: Current educational applications of XR in OHNS are limited to VR, do not fully immerse participants and do not assess higher-level learning outcomes. The educational OHNS community would benefit from a shared definition for VR technology, assessment of skills transfer (level-3 and higher), and deliberate testing of AR, MR, and procedures beyond temporal bone surgery. Laryngoscope, 133:227-234, 2023.
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) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,002 |
| 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 ».