Developing an <i>Ex Vivo</i> Pig Model for Teaching Ultrasound and Fluoroscopy-Guided Percutaneous Renal Access
Notice bibliographique
Résumé
Introduction: Establishing percutaneous renal access is the key initial step to percutaneous nephrolithotomy; however, learning the technique during surgery for trainees is complicated by the number of approaches used to gain access, limited completion time during a breath hold. and attempt to minimize the number of passes through a kidney. There are many training models for percutaneous access commercially available all with their respective limitations. Our objective was to develop a low-cost, high-fidelity percutaneous access training model that addresses existing limitations and can be used with both ultrasound and fluoroscopy guidance. Methods: After a formal ethics exemption was attained, pig cadavers were harvested for flank, kidneys, and ureters. These were incorporated into a composite porcine tissue mould, created within a gelatin matrix. In the initial assessment, establishing percutaneous access under both ultrasound and fluoroscopy guidance was tested to refine usability. Once acceptable, its use during a training course was evaluated to assess impressions for use with ultrasound. Results: We were able to create a $45USD biodegradable model, which can facilitate percutaneous access using: fluoroscopy with intrarenal contrast; fluoroscopy with endoscopic guidance; and fluoro-less that is, ultrasound only. A cohort of 12 Canadian Postgraduate Year-3 residents who used the model for ultrasound access agreed that the model simulated a comparable tactile experience (58.33%) and anatomy (75%) to humans. Furthermore, majority of the residents agreed that model was easy to use with ultrasound guidance (91.67%), was a beneficial experience for their learning and future practice (83.33%) and if available would use to complement their intraoperative training (83.33%). Conclusion: We were able to develop a low-cost, preliminarily tested ex vivo pig model for percutaneous access compatible with multiple imaging modalities. We will continue refining our model and seek to understand its benefits when teaching percutaneous access to varying levels of learners.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».