An Innovative Technique of Microsurgical Training on Fresh “Chicken Quarter” Model: Our Experience
Notice bibliographique
Résumé
Abstract Purpose Regular practice, quality clinical exposure, and academic discussion are essential in any surgical specialty training. This study discusses and validates the option of using a fresh “chicken quarter” model with a measurable scoring system, as a standard training regimen in microvascular surgery. This can be a very effective, economical, and easily accessible model for residents. Materials and Methods This study was conducted in the Department of Plastic surgery, from October 2020 to May 2021. Twenty-four fresh “chicken quarter” specimens were dissected and the ischial arteries and femoral veins' external diameter (ED) were measured. The microsurgical skills of the trainee were assessed in 6 months intervals using the Objective Structured Assessment of Technical Skills Scale (OSATS) as well as the time taken for anastomosis. All the data were analyzed using SPSS (statistical package for social sciences) version 21. Results A task-specific score value of 50% on October 2020 improved to 85.7% by May 2021. This was found to be statistically significant (p = 0.043). The mean ED of the ischial artery and femoral vein was 2.07 and 2.26 mm, respectively. The mean width of the vein measured at the lower one-third of the tibia was 2.08 mm. A greater than 50% reduction in anastomosis time was observed after a period of 6 months. Conclusion In our minimal experience, the “chicken quarter model” with OSATS scoring system seems to be effective, economical, very affordable, and easily accessible microsurgery training model for the residents. Our study is done only as a pilot project due to limited resources and we have the plan to introduce it as a proper training method in the near future with more residents.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».