Use of a Caprine Model for Simulation and Training of Endoscopic Ear surgery
Notice bibliographique
Résumé
BACKGROUND: The objective of this study was to evaluate the utility of a caprine model in endoscopic ear surgical education using the index procedures of tympanoplasty and ossiculoplasty. Specifically, this study assessed the face and content validity of the caprine model, and the potential impact of anatomical differences on trainee understanding of human middle ear anatomy. METHODS: Twelve otolaryngology trainees attended a 3-hour endoscopic ear surgery course utilizing the caprine model in which they completed canalplasty, tympanoplasty, and ossiculoplasty. Prior to the course, the trainees completed a self-reported needs assessment and knowledge assessment of human middle ear anatomy. Following the course, the trainees repeated the knowledge assessment and completed evaluation and validation questionnaires. Five-point Likert scores were used for the needs assessment and validation questionnaire. RESULTS: Of the 12 trainees, 9 participated in the study. All domains of the learner needs assessment showed an average improvement of 1 point on the post-course evaluation with 6 of 9 domains being significantly improved using the Wilcoxon signed-rank test (P< .05). The model achieved validation in the domains of face, content, and global content validity with an average Likert score > 4. Knowledge assessment scores increased by 7% (P=.23) after the course compared to before. CONCLUSION: The caprine model offers an effective surgical simulation model for endoscopic ear surgery training with good face and content validity. We find it to be readily available and affordable. We currently use it routinely to give otolaryngology residents the experience of endoscopic ear surgery before operating on patients.
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 | 0,000 | 0,001 |
| 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 | 0,000 | 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) | 0,000 | 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 ».