MétaCan
Menu
Retour à la cohorte
Enregistrement W4410554594 · doi:10.1055/a-2616-4370

Feedback and Assessment Methods in Microsurgery Education: A Scoping Review

2025· review· en· W4410554594 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Reconstructive Microsurgery · 2025
Typereview
Langueen
DomaineEngineering
ThématiqueAnatomy and Medical Technology
Établissements canadiensSt. Joseph’s Healthcare HamiltonMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMicrosurgeryMedicineMedical physicsMEDLINEEvidence-based medicineInstrumentation (computer programming)Medical educationSurgeryComputer sciencePathologyAlternative medicine

Résumé

récupéré en direct d'OpenAlex

With distinctive instrumentation, challenges, and training, the unique nature of microsurgery necessitates the provision of feedback and assessment for trainees. The uncertain applicability of feedback or assessment methods may lead to poor trainee satisfaction and operative outcomes. We conducted a scoping review of the feedback and assessment methods in microsurgery.The Medline, EMBASE, ERIC, and Web of Science databases were searched for studies discussing feedback and/or assessment of microsurgery trainees. Study characteristics, feedback methods, assessment methods, and all other relevant data were extracted. The Medical Education Research Study Quality Instrument (MERSQI) was used to critically appraise the quantitative studies.From 2,440 articles, 99 were included. Sixty-five percent of articles were published since 2015. Plastic surgery, neurosurgery, and ophthalmology were the most common surgical specialties. Ninety percent of articles discussed exclusively assessment methods, with only 10% discussing both feedback and assessment. Microvascular anastomosis was the most common task (55%), with ex vivo synthetic, (20%) chicken (16%), and rat models (11%) being widely used. Global rating scales (GRSs) providing holistic evaluation based on multiple competency domains were the most common assessment methods (73%), followed by checklists (23%), and device-derived metrics (21%). Parameters included suture placement (53.5%), dexterity (50.5%), and tissue handling (48.5%). Real-time verbal, one-to-one feedback was the most common method among relevant studies (80%), while delayed written video review (20%) was also used. No structured feedback methods were used.This review identified a variety of feedback and assessment methods specific to microsurgery. GRSs continue to be popular; however, with increasing accessibility, device-derived metrics continue to increase in prevalence. A juxtaposition between named, structured, and validated assessment methods and informal feedback methods was evident. Particularly, the lack of standardized feedback methods may act as a barrier to the implementation of feedback across microsurgical education.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,861
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,029
Tête enseignante GPT0,425
Écart entre enseignants0,396 · 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