MétaCan
Menu
Retour à la cohorte
Enregistrement W4323816652 · doi:10.1002/ca.24037

Development of the <scp>McMaster</scp> Embalming Scale (<scp>MES</scp>) to assess embalming solutions for surgical skills training

2023· article· en· W4323816652 sur OpenAlexaff
Austine Wang, Darren de, Sorin Darie, Betty Zhang, Jasmine Rockarts, Andrew Palombella, Laura Nguyen, Naomi Downer, Bruce Wainman, Sandra Monteiro

Notice bibliographique

RevueClinical Anatomy · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSurgical Simulation and Training
Établissements canadiensMcMaster University Medical CentreMcMaster UniversityHamilton Health Sciences
Organismes subventionnairesnon disponible
Mots-clésEmbalmingCronbach's alphaMedicineCadaverLikert scaleSurgeryMedical physicsAnatomyPsychometrics

Résumé

récupéré en direct d'OpenAlex

Human cadavers used for surgical training are embalmed using various methods to facilitate tissue storage and longevity while preserving the natural characteristics required to achieve high fidelity functional task alignment. However, there are no standardized means to evaluate the suitability of embalming solutions for this purpose. The McMaster Embalming Scale (MES) was developed to assess the extent to which embalming solutions allow tissues to achieve physical and functional correspondence to clinical contexts. The MES follows a five-point Likert scale format and evaluates the effect of embalming solutions on tissue utility in seven domains. This study aims to determine the reliability and validity of the MES by presenting it to users after performing surgical skills on tissues embalmed using various solutions. A pilot study of the MES was conducted using porcine material. Surgical residents of all levels and faculty were recruited via the Surgical Foundations program at McMaster University. Porcine tissue was unembalmed (fresh- frozen) or embalmed using one of seven solutions identified in the literature. Participants were blinded to the embalming method as they completed four surgical skills on the tissue. After each performance, participants evaluated their experience using the MES. Internal consistency was evaluated using Cronbach's alpha. Domain to total correlations and a g-study were also conducted. Formalin-fixed tissue achieved the lowest average scores, while fresh frozen tissue achieved the highest. Tissues preserved using Surgical Reality Fluid (Trinity Fluids, LLC, Harsens Island, MI) achieved the highest scores among embalmed tissues. The Cronbach's alpha scores varied between 0.85 and 0.92, indicating a random sample of new raters would offer similar ratings using the MES. All domains except odor were positively correlated. The g-study indicated that the MES is able to differentiate between embalming solutions, but an individual rater's preference for certain tissue qualities also contributes to the variance in scores captured. This study evaluated the psychometric characteristics of the MES. Future steps to this investigation include validating the MES on human cadavers.

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)0,005
score de la tête « metaresearch » (Gemma)0,010
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,165
Tête enseignante GPT0,415
Écart entre enseignants0,250 · 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
GenreMéthodes

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

En bref

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical AnatomyMême sujetSurgical Simulation and TrainingTravaux en français237 207