MétaCan
Menu
Retour à la cohorte
Enregistrement W4281947076 · doi:10.18063/ijb.v8i2.546

Validity of a Soft and Flexible 3D-Printed Nissen Fundoplication Model in Surgical Training

2022· article· en· W4281947076 sur OpenAlexaff
Yangyi Zhang, Jianfu Xia, Jiye Zhang, Jinlei Mao, Hao Chen, Hui Lin, Pan Jiang, Xinzhong He, Xiaodong Xu, Mingzhu Yin, Zhifei Wang

Notice bibliographique

RevueInternational Journal of Bioprinting · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAnatomy and Medical Technology
Établissements canadiensSKiN Health
Organismes subventionnairesnon disponible
Mots-clés3d printedLikert scaleComputer scienceSimulationMedicineBiomedical engineeringPsychology

Résumé

récupéré en direct d'OpenAlex

Rapid development of three-dimensional (3D) printing technique has enabled the production of many new materials for medical applications but the dry laboratory surgical training model made of soft and flexible materials is still insufficient. We established a new 3D-printed Nissen fundoplication training model of which materials simulate the real mechanical properties. In this study, 16 participants were divided into two groups: Experimental group and control group. The validity of model was tested using Likert scale by the experts and the experimental group. To evaluate the efficacy, performances of the experimental group were scored at the first, fourth, and eighth training by OSATS system and the duration of procedure was compared through the use of recorded video. Meanwhile, an ex vivo model was used to compare the performance of the experiment group and control group after the training in the same way. Our results showed that the 3D-printed model can support the future surgical applications, help improve surgical skills, and shorten procedure time after training.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,672
Score d'incertitude au seuil0,237

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,284
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of BioprintingMême sujetAnatomy and Medical TechnologyTravaux en français237 207