MétaCan
Menu
Retour à la cohorte
Enregistrement W4313311841 · doi:10.7759/cureus.31749

Development and Initial Assessment of a Novel and Customized Bile Duct Simulator for Handsewn Anastomosis Training

2022· article· en· W4313311841 sur OpenAlexaffabout
Julia Micallef, Mithusa Sivanathan, Krystina M Clarke, Merieme Habti, Florence Bénard, Léamarie Meloche‐Dumas, Érica Patocskai, Adam Dubrowski

Notice bibliographique

RevueCureus · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSurgical Simulation and Training
Établissements canadiensMontreal General HospitalMcGill University Health CentreUniversité de MontréalUniversity of Ontario Institute of Technology
Organismes subventionnairesnon disponible
Mots-clésMedicineFidelityBile ductSimulationMedical physicsSurgeryComputer science

Résumé

récupéré en direct d'OpenAlex

Simulation-based medical education allows for the training and maintenance of healthcare skills in a safe and controlled environment. In this technical report, the development and initial evaluation of a bile duct anastomosis simulator are described. The simulator was developed using additive manufacturing techniques such as three-dimensional (3D) printing and silicone work. The final product was produced by maxSIMhealth, a research lab at Ontario Tech University (Oshawa, ON, Canada), and included four individual silicone bile ducts, based on the expert opinions from surgeons at the Centre Hospitalier de l'Université de Montréal (Montreal, QC, Canada), and a 3D-printed maxSIMclamp, which was described in a previous report. The evaluation was conducted by nine individuals consisting of surgeons, surgical residents, and medical students to assess the fidelity, functionality, and teaching quality of the simulator. The results from the evaluation indicate that the simulator needs to improve its fidelity by being softer, thinner, and beige. On the other hand, the results also indicate that this simulator is extremely durable and can be used as a training tool for surgical residents with some minor improvements.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,115
Tête enseignante GPT0,382
Écart entre enseignants0,267 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations3
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCureusMême sujetSurgical Simulation and TrainingTravaux en français237 207