MétaCan
Menu
Retour à la cohorte
Enregistrement W4409942684 · doi:10.1177/15533506251339920

Immersive Virtual Reality Simulation for Medical Student Procedural Training: Assessment of Cognitive Load and Usability

2025· article· en· W4409942684 sur OpenAlexaff
Junko Tokuno, Ryan M. Knobovitch, Fábio Botelho, Howard B. Fried, Tamara E. Carver, Gerald M. Fried

Notice bibliographique

RevueSurgical Innovation · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSurgical Simulation and Training
Établissements canadiensUniversity of TorontoMcGill UniversityMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésUsabilityCognitive loadVirtual realitySystem usability scaleCognitionTest (biology)MedicineComputer scienceSimulationPhysical therapyHuman–computer interactionWeb usability

Résumé

récupéré en direct d'OpenAlex

Objective In a previous randomized controlled trial, we found immersive virtual reality (VR) simulation to be effective for teaching procedural skills to medical students. We further investigated this interface’s usability and cognitive load. Methods This was a secondary analysis of data from a previous randomized controlled trial. Twenty-two medical students with no or limited experience with VR and chest tube insertion received training for chest tube insertion using a commercially available immersive VR simulation. Participants completed post-training surveys on usability (System Usability Scale, SUS, from 0-100) and cognitive load (Leppink’s scale, 11-point, 10 items). Three types of cognitive loads (intrinsic, extraneous, and germane) were evaluated. Modified Objective Structured Assessment of Technical Skills (OSATS, 5-point, 11 items) for technical skills in a mannequin simulation were assessed after VR training, and in knowledge scores before and after training were extracted to analyze their relationships with usability and cognitive load. Data are presented as median (interquartile range). Results Median scores (%) for the knowledge test were 46.7 (40.0-53.3) at baseline and 86.7 (80.0-90.3) after training. The OSATS score was 40.5 (35.5-49.3), and SUS was 82.5 (73.8-88.8, with significant correlation between these variables (r = 0.51, P = 0.04). The intrinsic, extrinsic, and germane cognitive loads were 3.7 (1.8-6.1), 0.15 (0-1.4), and 9.2 (6.0-10), respectively. Conclusion Cognitive load and usability of immersive VR simulation were reported to be excellent. Along with its effectiveness shown previously, VR simulation is a highly acceptable approach for teaching technical skills to medical students.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,014
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,075
Tête enseignante GPT0,459
Écart entre enseignants0,383 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSurgical InnovationMême sujetSurgical Simulation and TrainingTravaux en français237 207