MétaCan
Menu
Retour à la cohorte
Enregistrement W4396514415 · doi:10.47513/mmd.v16i2.913

Transferability of motor skills from piano training to learning new laparoscopic surgical skills

2024· article· en· W4396514415 sur OpenAlexaff
Gilles Comeau, Valeria Dimitrova, Mikael Swirp, Donald Russell, Fady Balaa, Kuan-chin Jean Chen

Notice bibliographique

RevueMusic and Medicine · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueHernia repair and management
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésPianoTransferabilityMotor skillPsychologyMedical educationComputer scienceMedicineArtMachine learningArt historyDevelopmental psychology

Résumé

récupéré en direct d'OpenAlex

There is a widely held belief that musicians make better surgeons based on the far transfer of their established fine motor skills when learning new surgical skills. There is, however, a deficit of quantified knowledge on the transfer of fine motor skills from one domain of expertise to another. In this study, pianists and controls were provided with daily laparoscopic training sessions for five consecutive days. Each session consisted of six tasks on a Train Anywhere Skill Kit laparoscopic training box. Performance was evaluated each day and retention was evaluated one week later by measuring the speed and accuracy of task completion. Except for the bead to peg transfer task, no statistical differences were found between participant groups. The only significant confounding variable was that the control group was more interested in surgery than the musician group (p = .037). This research addressed limitations of previous studies by measuring the long-term performance and retention of laparoscopic surgical skills. The results of this study demonstrate that, contrary to expectations, piano performance training did not far transfer to laparoscopic surgery. Our findings indicate that fine motor skills are domain specific to music and surgery, respectively.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,928
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,297
Écart entre enseignants0,273 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMusic and MedicineMême sujetHernia repair and managementTravaux en français237 207