Common surgical training program: standardization of learning quality
Notice bibliographique
Résumé
INTRODUCTION: The various surgical specialties in our center have used the simulation and experimental surgery resources available for their training tasks in minimally invasive surgery (MIS) in an individualized manner. With this learning model, a great dispersion of effort and expense was observed, so it was decided to create a unified program based on the following: shared learning, synergy among specialties, moderation of the economic cost, and rational use of the facilities. OBJECTIVE: To describe and assess our consensually designed training program in order to consolidate a shared learning strategy that will enable our residents to acquire and perfect surgical skills in MIS. MATERIALS AND METHODS: The program consists of various increasingly complex phases implemented on a continuous basis throughout the period of specialized training in the virtual laboratory and experimental operating room. The assessment methods were based on quantifiable criteria: percentage of efficiency and completion time of the "McGill Inanimate System for Training and Evaluation of Laparoscopic Skills" (MISTELS) exercises at the beginning and end of the program. An economic study was also conducted. RESULTS: 20 residents have completed the program. Mean times show a significant reduction in each of the exercises. The efficiency percentages at the end of the program were higher than at the beginning (p < 0.001). The cost of the program represented a saving of 67.89%. CONCLUSION: The new MIS training program improved the quality of learning in a safe environment, establishing common criteria among the different specialties and an improved use of resources.
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) | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».