Single Pedicle Advancement Flap Models for Teaching Veterinary Reconstructive Surgical Techniques
Notice bibliographique
Résumé
Reconstructive surgical techniques are used in both general and referral veterinary practice to facilitate closure of challenging wound defects. During veterinary studies, there are often limited opportunities for students to practice these techniques on live patients or cadavers. Surgical models, including suture pads and ovariohysterectomy models, have been successfully incorporated into veterinary teaching, providing students with additional practice. Models to simulate veterinary reconstructive surgical techniques are lacking. In the current study, a single pedicle advancement flap model was designed. The design consisted of a silicone model secured by a plate, providing tension. Fifth-year veterinary science students ( n = 34) were surveyed to assess the model’s impact on surgical technique and confidence. Students were also assessed to determine surgical technique using the models. It was hypothesized that students who had two additional practice sessions using the models (Trial group, n = 17) would show greater improvement in technique than students who had no practice sessions between assessments (Control group, n = 17). Students strongly agreed (median score 5/5) that using the model helped to reinforce the subdermal plexus flap technique and improved their confidence in performing a subdermal plexus flap. Students from both groups performed significantly better in the follow-up assessment compared with the initial assessment. No significantly greater improvement was observed in technique between the control and the trial groups. Results suggest that the students’ reconstructive surgical technique improved after a single practice session and that the single pedicle advancement flap model can be used synergistically with other teaching methods.
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 | 0,002 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».