Clinical translation of surgical simulated closure of a ventricular septum defect
Notice bibliographique
Résumé
OBJECTIVES: To demonstrate that improvement in technical performance of congenital heart surgical trainees during ventricular septum defect (VSD) closure simulation translates to better patient outcomes. METHODS: Seven trainees were divided into 2 groups. Experienced-fellows group included 4 senior trainees who had performed >5 VSD closures. Residents group consisted of 3 residents who had never performed a VSD closure. Experienced-fellows completed 3 VSD closures on real patients as a pretest. Both groups participated in a 4-week simulation requiring each participant to complete 2 VSD closures on three-dimensional printed models per week. One month later, all trainees returned for a post-test operation in real patients. All performances were recorded, blinded and scored independently by 2 cardiac surgeons using the validated Hands-On Surgical Training-Congenital Heart Surgery (HOST-CHS). Predefined surgical outcomes were analysed. RESULTS: The median HOST-CHS score increased significantly from week 1 to 4 [50 (39, 58) vs 73 (65, 74), P < 0.001] during simulation. The improvement in the simulation of experienced-fellows successfully transferred to skill acquisition [HOST-CHS score 72.5 (71, 74) vs 54 (51, 60), P < 0.001], with better patients outcomes including shorter total cross-clamp time [pretest: 86 (70, 99) vs post-test: 60 (53, 64) min, P = 0.006] and reduced incidence of major patch leak requiring multiple pump runs [pretest: 4/11 vs post-test: 0/9, P = 0.043]. After simulation, the technical performance and surgical outcomes of Residents were comparable to Experienced-fellows in real patients, except for significantly longer cross-clamp time [Residents: 76.5 (71.7, 86.8) vs Experienced-fellows: 60 (53, 64) min, P = 0.002]. CONCLUSIONS: Deliberate practice using simulation translates to better performance and surgical outcomes in real patients. Residents who had never completed a VSD closure could perform the procedures just as safely and effectively as their senior colleagues following simulation.
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 | 0,000 | 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 | 0,000 |
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 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 ».