Surgical Training Simulators for Rhinoplasty: A Systematic Review
Notice bibliographique
Résumé
Rhinoplasty training currently follows an apprenticeship model that is largely observational. Trainees have limited experience in performing maneuvers of this complex surgery. Rhinoplasty simulators can address this issue by providing trainees with the opportunity to gain surgical simulator experience that could improve technical competences in the operating room. This review amalgamates the collective understanding of rhinoplasty simulators described to date. In accordance with the Preferred Reporting Items for Systematic Reviews and Meta-Analyses guidelines, PubMed, OVID Embase, OVID Medline, and Web of Science databases were all searched for original research on surgical simulators for rhinoplasty education and reviewed by independent reviewers. Articles underwent title and abstract screening, and then relevant articles underwent full-text review to extract simulator data. Seventeen studies, published between 1984 and 2021, were included for final analysis. Study participant numbers ranged from 4 to 24, and included staff surgeons, fellows, residents (postgraduate year 1-6), and medical students. Cadaveric surgical simulators comprised eight studies, of which three were with human cadavers, one study was a live animal simulator, two were virtual simulators, and six were three-dimensional (3D) models. Both animal and human-based simulators increased the confidence of trainees significantly. Significant improvement in various aspects of rhinoplasty knowledge occurred with implementation of a 3D-printed model in rhinoplasty education. Rhinoplasty simulators are limited by a lack of an automated method of evaluation and a large reliance on feedback from experienced rhinoplasty surgeons. Rhinoplasty simulators have the potential to provide trainees with the opportunity for hands-on training to improve skill and develop competencies without putting patients in harm's way. Current literature on rhinoplasty simulators largely focuses on simulator development, with few simulators being validated and assessed for utility. For wider implementation and acceptance, further refinement of simulators, validation, and assessment of outcomes is required.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 source (Gemma direct ou Codex distillé), 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 ».