Global trends and practice patterns in virtual reality simulation training for ophthalmic surgery: an international survey use of virtual reality simulation training around the world
Notice bibliographique
Résumé
This global survey investigated the use of virtual reality simulation (VRS) in ophthalmological surgery education. Questionnaires were distributed to authors of publications and directors of centers using VRS for surgical education in ophthalmology, then forwarded to residents and fellows of their team for completion. Out of 1845 questionnaires sent across 36 countries, 170 responses from 26 countries were analyzed, primarily from residents and fellows (75%). Mean access duration to VRS was 3.6 years, often at University Hospitals (43.5%). Notably, 12% of respondents traveled an average of 550 km to access VRS. The EyeSi VR Magic was the most frequently reported simulator (80%, mainly in Europe/North America), followed by HelpMeSee (48%, primarily in Europe/India/Madagascar). In 25 training centers across 12 countries, VRS was a mandatory prerequisite for patient access, functioning as a "surgical license". A larger number of training centers (49 from 19 countries) favored such mandatory training. Junior surgeons perceived a greater impact of VRS on their surgical practice compared to senior surgeons (p = 0.032). The study concludes that while VRS holds a significant role in postgraduate ophthalmic surgical training, its access is unequal worldwide. Broader implementation and standardized practices could improve and maintain high educational standards in this field.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».