Evaluation of a 3D Printed Silicone Oral Cavity Cancer Model for Surgical Simulations
Notice bibliographique
Résumé
Adequate surgical margins are essential in oral cancer treatment, this is, however, difficult to appreciate during training. With advances in training aids, we propose a silicone-based surgical simulator to improve training proficiency for the ablation of oral cavity cancers. A silicone-based tongue cancer model constructed via a 3D mold was compared to a porcine tongue model used as a training model. Participants of varying surgical experience were then asked to resect the tumors with clear margins, and thereafter asked to fill out a questionnaire to evaluate the face and content validity of the models as a training tool. Eleven participants from the Otolaryngology-Head and Neck Surgery unit were included in this pilot study. In comparison to the porcine model, the silicone model attained a higher face (4 vs. 3.6) and content validity (4.4 vs. 4.1). Tumor consistency was far superior in the silicone model compared to the porcine model (4.1 vs. 2.8, p = 0.0042). Fellows and staff demonstrated a better margin clearance compared to residents (median 3.5 mm vs. 1.0 mm), and unlike the resident group, there was no incidence of positive margins. The surgical simulation was overall useful for trainees to appreciate the nature of margin clearance in oral cavity cancer ablation.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,003 | 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 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 ».