Virtual Reality Simulation in Teaching Fetoscopic Laser Placental Photocoagulation in Twin‐To‐Twin Transfusion Syndrome
Notice bibliographique
Résumé
OBJECTIVE: To develop and validate a novel virtual reality (VR) simulation system for training fetoscopic laser placental photocoagulation in twin-to-twin transfusion syndrome (TTTS). METHODS: A VR-based simulator incorporating Meta Quest headsets and custom-designed hardware was developed. The system features realistic anatomical modeling, integrated performance metrics, and progressive training modules. Validation involved 31 participants (11 experienced fetal therapy specialists, 10 fetal therapy fellows, and 10 other maternal-fetal medicine specialists) who evaluated the simulator across five domains using a standardized questionnaire. RESULTS: The simulator demonstrated excellent internal consistency (Cronbach's α = 0.92) with strong positive validation across all measured aspects. Training effectiveness received the highest endorsement (87%, 95% CI: 83%-91%), followed by user engagement (85%, 95% CI: 81%-89%). Experienced specialists rated environmental realism significantly higher (4.8 ± 0.3, p = 0.002), while fellows provided the strongest endorsement for training effectiveness (4.8 ± 0.3, p = 0.004). CONCLUSIONS: This VR simulator represents a significant advancement in TTTS surgical education, offering comprehensive training capabilities without requiring practice on actual patients. Initial testing demonstrates feasibility for both local and remote teaching applications, with potential advantages in cost, portability, and educational capabilities compared to traditional physical simulators.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».