Procedure‐specific simulation for vaginal surgery training: A randomized controlled trial
Notice bibliographique
Résumé
INTRODUCTION: Vaginal surgery has a superior outcome profile compared with other surgical routes, yet skills are declining because of low case volumes. Graduating residents' confidence and preparedness for vaginal surgery has plummeted in the past decade. The objective of the present study was to investigate whether procedure-specific simulation skills, vs usual training, result in improved operative competence. MATERIAL AND METHODS: We completed a randomized controlled trial of didactic and procedural training via low fidelity vaginal surgery models for anterior repair, posterior repair (PR), vaginal hysterectomy (VH), recruiting novice gynecology residents at three academic centers. We evaluated performance via global rating scale (GRS) in the real operating room and for corresponding procedures by attending surgeon blinded to group. Prespecified secondary outcomes included procedural steps knowledge, overall performance, satisfaction, self-confidence and intraoperative parameters. A priori sample size estimated 50 residents (20% absolute difference in GRS score, 25% SD, 80% power, alpha 0.05). CLINICALTRIALS: gov: Registration no. NCT05887570. RESULTS: We randomized 83 residents to intervention or control and 55 completed the trial (2011-23). Baseline characteristics were similar, except for more fourth-year control residents. After adjustment of confounders (age, level, baseline knowledge), GRS scores showed significant differences overall (mean difference 8.2; 95% confidence interval [CI]: 0.2-16.1; p = 0.044) and for VH (mean difference 12.0; 95% CI: 1.8-22.3; p = 0.02). The intervention group had significantly higher procedural steps knowledge and self-confidence for VH and/or PR (p < 0.05, adjusted analysis). Estimated blood loss, operative time and complications were similar between groups. CONCLUSIONS: Compared to usual training, procedure-specific didactic and low fidelity simulation modules for vaginal surgery resulted in significant improvements in operative performance and several other skill parameters.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».