Laparoscopy and thoracoscopy in small animal surgery: A 2020 survey of small animal diplomate and resident veterinary surgeons
Notice bibliographique
Résumé
OBJECTIVE: To document the utilization and training of laparoscopic and thoracoscopic minimally invasive surgery (MIS) techniques within the American, European, Australian and New Zealand Colleges of Small Animal Veterinary Surgeons (ACVS, ECVS, and ANZCVS) in 2020. STUDY DESIGN: Observational study. SAMPLE POPULATION: Diplomates and residents of the ACVS, ECVS, and FANZCVS. METHODS: An electronic survey was sent using veterinary list servers. Questions were organized into categories evaluating (1) the demographics of the study population and the caseload, (2) comfort level with specific procedures, (3) motivating factors and limitations, and (4) surgical training and the role of the governing bodies. RESULTS: Respondents included 111 practicing surgeons and 28 residents. Respondents' soft-tissue MIS caseloads had increased since they first started performing MIS; however, most respondents were only comfortable performing basic laparoscopy. Over half of the respondents agreed on the patient benefits and high standard of care provided by MIS. Perceived adequate soft-tissue training in MIS during residency was strongly associated with perceived proficiency at the time of survey response. Most respondents agreed that the specialty colleges should take a more active role in developing standards for soft-tissue MIS, with residents agreeing that a required standardized course would be beneficial. CONCLUSION: Soft-tissue MIS is widely performed by diplomates and residents. Perceived adequate soft-tissue MIS training was strongly associated with perceived proficiency. CLINICAL SIGNIFICANCE: There is substantial underutilization of advanced MIS techniques in veterinary specialty surgical practice, which might be improved by a stronger focus on MIS training during residency.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».