In-Theatre Simulation as a Training Tool for Laparoscopic Salpingectomy in Eldoret, Kenya
Notice bibliographique
Résumé
Background/Objective: Minimally invasive surgery (MIS) offers many advantages over open procedures including decreased patient safety risks and reduced burden on healthcare infrastructure. As low- and middle-income countries (LMICs) are disproportionately affected by these aspects of surgery, there is motivation to increase MIS. A multimodal training program in laparoscopic salpingectomies was piloted with a small cohort of OB-GYN registrars and consultants at Moi Teaching and Referral Hospital (MTRH) in Eldoret, Kenya. This project assesses the in-theatre simulation’s (1) effectiveness in improving laparoscopic knowledge and skill confidence, and (2) feasibility for long-term implementation at MTRH and in similar settings. Methods: Participants completed a half-day in-theatre simulation of a laparoscopic salpingectomy. The simulation required participants to demonstrate knowledge of laparoscopic setup, proper patient positioning, procedure completion, equipment troubleshooting, and peri-and intra-operative complication management. Participants completed a multiple-choice laparoscopic knowledge quiz and Likert scale skill confidence survey immediately prior to and following the simulation. Pre- and post-simulation responses were compared to assess knowledge and confidence acquisition overall and across content topics. Results: There was a significant increase in the average knowledge quiz score from pre- to posttest (p=0.028). A significant difference between pre- and posttest confidence was noted in four of the six skills assessed. By topic, equipment troubleshooting (p<0.001), and complication management (p<0.01) saw the most improvement. Barriers to long-term sustainability include unpredictable theatre and laparoscopic tower access and availability of supplies for uterine modeling. A modified model using nitrile gloves as fallopian tubes will be piloted in future simulations as a more accessible alternative for long-term implementation. Conclusion: Despite limitations, in-theatre simulation has the potential to be an effective and sustainable teaching tool within a long-term MIS training program at Moi Teaching and Referral Hospital. The low-cost model and methods outlined may also be replicable in similar low-resource settings.
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 | 0,001 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».