The Usefulness of YouTube Videos Related to Endoscopic Sinus Surgery for Surgical Residents
Notice bibliographique
Résumé
Abstract Objective The use of online teaching modalities to supplement surgical learning has increased recently, demonstrating promising results. Previous studies have analyzed the value and usefulness of YouTube as an educational source to learners, including teaching surgical skills to Otolaryngology–Head and Neck Surgery (OHNS) trainees. YouTube videos on endoscopic sinus surgery (ESS) still need to be explored as ESS remains a common, yet challenging surgery that OHNS residents encounter regularly. This study aimed to objectively evaluate the usefulness of YouTube videos on ESS for surgical education. Design YouTube was searched using the following keywords: “uncinectomy,” “maxillary antrostomy,” “anterior ethmoidectomy,” and “ethmoid bulla resection.” These represent the initial ESS steps residents learn. Each video was assessed for eligibility by two independent reviewers. Outcome Measures The LAParoscopic surgery Video Educational Guidelines (LAP-VEGaS) and ESS-specific criteria were used to assess educational quality. Video popularity index (VPI) was used to calculate video popularity. Results Of the 38 videos that met inclusion criteria, the average LAP-VEGaS score was 6.59 (± ) 3.23 standard deviation. Most videos were designated low quality. There was a weak positive correlation between whether a video included ESS-specific criteria and LAP-VEGaS score (r = 0.269, p = 0.102). There was a significant positive correlation between VPI and LAP-VEGaS scores (r = 0.497, p = 0.003). Conclusion Overall, the quality of included videos was poor. OHNS residents should not rely solely or primarily on YouTube videos to learn surgical skills relevant to ESS. To maximize potential of online teaching, high-quality videos should be used to compliment other methods of teaching.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 ».