Development and validation of a virtual teaching method for minimally invasive surgery skills: a prospective cohort study
Notice bibliographique
Résumé
INTRODUCTION: The COVID-19 pandemic led to a significant reduction in operative exposure for surgical trainees, necessitating alternative training methods to mitigate the impact on surgical education. This study sought to evaluate whether minimally invasive surgery (MIS) skills could be taught remotely using widely available technology with objective assessments of proficiency. METHODS: This was a pilot observational study with a comparative assessment of face-to-face (F2F) and virtual training of novice learners in MIS skills. Performance and objective cognitive workload parameters [Surgical Task Load Index (SURG-TLX) score, heart rate, and pupil metrics] were evaluated. The assessments were peg transfer [McGill Inanimate System for Training and Evaluation of Laparoscopic Skills (MISTELS)] and suturing [Suturing Training and Testing (SUTT)] tasks performed using box trainers. Virtual teaching was conducted by expert trainers using a web-based streaming platform. RESULTS: Technical challenges of delivering a virtual MIS skills course were addressed after a pilot course. Participants ( n =20) in the final course had similar baseline characteristics and were randomly allocated to F2F ( n =8) and virtual ( n =12) teaching groups. Participants in the online group completed the peg transfer task faster than the F2F group (11.25 min vs. 16.88 min; P =0.015). There were no significant differences in all other MISTELS and SUTT performance measures between groups. Cognitive workload parameters (SURG-TLX score, heart rate, and pupil metrics) were also similar between groups. CONCLUSION: This study has demonstrated that virtual teaching of MIS skills using a web-based streaming platform is feasible and effective, providing the foundation for low-cost, effective, and scalable MIS skills programs in the future.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».