Can gamified surgical sets improve surgical instrument recognition and student performance retention in the operating room? A multi-institutional experimental crossover study
Notice bibliographique
Résumé
INTRODUCTION: Surgery requires a high degree of precision, speed, and concentration. Owing to the complexity of the modern world, traditional methods cannot meet these requirements. Therefore, in this study, we investigated students' diagnostic skills in the Operating Room in the context of surgical instruments by using gamification of surgical instruments and a crossover design. METHOD: The study design was a multi-institutional quasi-experimental crossover and involved a three-arm intervention (with gender-specific block randomisation: Group A, B, and C) with a pre-test and three post-tests. A total of 90 students fell into three groups of 30 participants each. The surgical sets were learned for one semester through game-based instruction and traditional teaching, and then three OSCE tests were administered with time and location differences. Using one-way ANOVA, OSCE results were compared in the game, traditional, and control groups. The effectiveness of the intervention was tested in each group by repeated measures. RESULT: The pretest scores of all three groups did not differ significantly. In the OSCE tests, both groups, A and B, performed similarly. However, these tests showed a significant difference in grouping between training through games and training in the traditional way. There was no significant difference between OSCE tests 2 and 3 in the game-based training group, indicating that what was learned was retained, while in the traditional method training group, OSCE 3 test scores declined significantly. Furthermore, repeated measures showed the effectiveness of game-based training. CONCLUSION: In this study, gamification has turned out to be very effective in helping learners learn practical skills and leading to more sustainable learning.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».