Case-Based Virtual Reality Simulation for Severe Pelvic Trauma Clinical Skill Training in Medical Students: Design and Pilot Study
Notice bibliographique
Résumé
Background Teaching severe pelvic trauma poses a significant challenge in orthopedic surgery education due to the necessity of both clinical reasoning and procedural operational skills for mastery. Traditional methods of instruction, including theoretical teaching and mannequin practice, face limitations due to the complexity, the unpredictability of treatment scenarios, the scarcity of typical cases, and the abstract nature of traditional teaching, all of which impede students’ knowledge acquisition. Objective This study aims to introduce a novel experimental teaching methodology for severe pelvic trauma, integrating virtual reality (VR) technology as a potent adjunct to existing teaching practices. It evaluates the acceptability, perceived ease of use, and perceived usefulness among users and investigates its impact on knowledge, skills, and confidence in managing severe pelvic trauma before and after engaging with the software. Methods A self-designed questionnaire was distributed to 40 students, and qualitative interviews were conducted with 10 teachers to assess the applicability and acceptability. A 1-group pretest-posttest design was used to evaluate learning outcomes across various domains, including diagnosis and treatment, preliminary diagnosis, disease treatment sequencing, emergency management of hemorrhagic shock, and external fixation of pelvic fractures. Results A total of 40 students underwent training, with 95% (n=38) affirming that the software effectively simulated real-patient scenarios. All participants (n=40, 100%) reported that completing the simulation necessitated making the same decisions as doctors in real life and found the VR simulation interesting and useful. Teacher interviews revealed that 90% (9/10) recognized the VR simulation’s ability to replicate complex clinical cases, resulting in enhanced training effectiveness. Notably, there was a significant improvement in the overall scores for managing hemorrhagic shock (t39=37.6; 95% CI 43.6-48.6; P<.001) and performing external fixation of pelvic fractures (t39=24.1; 95% CI 53.4-63.3; P<.001) from pre- to postsimulation. Conclusions The introduced case-based VR simulation of skill-training methodology positively influences medical students’ clinical reasoning, operative skills, and self-confidence. It offers an efficient strategy for conserving resources while providing quality education for both educators and learners.
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 | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».