Utility of a Novel Mobile Application (FLAPP) for Teaching Post-operative Monitoring of Microsurgical Anastomoses
Notice bibliographique
Résumé
PURPOSE: Microsurgical reconstruction is an indispensable tool in Plastic Surgery. Early detection of microanastomosis failure is critical, but there is a paucity of teaching resources in postoperative monitoring. We recently developed a mobile application (Flap Assessment App; FLAPP), including microsurgery, clinical/Doppler assessments, and flap troubleshooting tutorials, and practice cases. This study tested the usefulness of this app. METHOD: Members of the University of Manitoba Department of Plastic Surgery used the FLAPP teaching app then completed a questionnaire assessing the app sections using a Likert scale. Qualitative analysis was performed. Preliminary results are presented. RESULTS: Participants included residents (43%), nurses (14%), attendings (4%) and physician assistants (PAs) (4%). Of residents, 50% were junior (PGY-1/2) and 50% senior (PGY-3/4/5). 50% of nurses/PAs had >5 years’ experience monitoring free flaps, while 33% had <1 year. 100% of participants agreed/strongly agreed that each tutorial section was useful. 100% of participants agreed/strongly agreed that case video quality and variety was acceptable; 86% agreed/strongly agreed that audio quality was acceptable. 100% of participants agreed/strongly agreed the app was useful for teaching and improving confidence/ability in monitoring microanastomoses; 100% agreed/strongly agreed the app should be incorporated into teaching curriculum and would recommend to other trainees. 93% of residents, nurses, and PAs agreed/strongly agreed the app would be beneficial to use prior to clinical assessments and would use the app to practice independently. CONCLUSION: The FLAPP teaching app contains tutorials and practice microsurgical cases useful for learning and improving confidence in post-operative microsurgical monitoring, beneficial for training prior to clinical assessments. Next steps include app updates based on feedback, and additional testing prior to wide release as a free teaching tool.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 ».