The use of augmented reality in laparoscopic surgical training: an overview
Notice bibliographique
Résumé
Introduction: Laparoscopic surgery, a minimally invasive and intricate procedure, offers substantial risk reduction and numerous patient advantages.The increasing demand for this technique has forced the derivation of efficient training methods to cultivate a competent workforce.Though various evaluation methods and programmes are available to score and teach the vast and specific set of skills required, the predominant apprenticeship model, relying on patient interaction, results in a prolonged learning curve.Alternative training modalities, including human cadavers, box trainers, virtual reality (VR) simulators and augmented reality (AR) simulators, each possess distinct benefits and limitations.AR, a cutting-edge addition to laparoscopic surgical training, combines digital images and physical models, offering a unique blend of visual realism and haptic feedback.This study aims to provide an overview of laparoscopic training modalities and assess how augmented reality compares.Methodology: Reviewing 31 papers from diverse databases, findings were compiled and discussed.Results: Evaluation of current market simulators revealed variations in price, modules, assessment metrics and feedback method.ProMIS AR, validated for accurately assessing laparoscopic skills, exhibits subjective limitations.Comparatively, AR demonstrates faster skill acquisition and widespread preference.Discussion: While insufficient information hinders a decisive conclusion, AR simulation holds potential as the new gold standard for laparoscopic surgical training.Further research, encompassing a variety of simulators and modules, along with assessing mental and/or physical workload, will enhance understanding.AR's evolution and the increased literature exploring its capabilities promise to redefine laparoscopic surgical training, pending technological advancements for heightened clinical realism.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».