Democratizing Vitreoretinal Surgery Training With a Portable and Affordable Virtual Reality Simulator in the Metaverse
Notice bibliographique
Résumé
Purpose: The purpose of this study was to develop and validate RetinaVR, an affordable, portable, and fully immersive virtual reality (VR) simulator for vitreoretinal surgery training. Methods: We built RetinaVR as a standalone app on the Meta Quest 2 VR headset. It simulates core vitrectomy, peripheral shaving, membrane peeling, and endolaser application. In a validation study (n = 20 novices and experts), we measured: efficiency, safety, and module-specific performance. We first explored unadjusted performance differences through an effect size analysis. Then, a linear mixed-effects model was used to isolate the impact of age, sex, expertise, and experimental run on performance. Results: Experts were significantly safer in membrane peeling but not when controlling for other factors. Experts were significantly better in core vitrectomy, even when controlling for other factors (P = 0.014). Heatmap analysis of endolaser applications showed more consistent retinopexy among experts. Age had no impact on performance, but male subjects were faster in peripheral shaving (P = 0.036) and membrane peeling (P = 0.004). A learning curve was demonstrated with improving efficiency at each experimental run for all modules. Repetition also led to improved safety during membrane peeling (P = 0.003), and better task-specific performance during core vitrectomy (P = 0.038), peripheral shaving (P = 0.011), and endolaser application (P = 0.043). User experience was favorable to excellent in all spheres. Conclusions: RetinaVR demonstrates potential as an affordable, portable training tool for vitreoretinal surgery. Its construct validity is established, showing varying performance in a way that correlates with experimental runs, age, sex, and level of expertise. Translational Relevance: Fully immersive VR technology could revolutionize surgical training, making it more accessible, especially in developing nations.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».