Simulation training in laparoscopy using a computerized physical reality simulator.
Notice bibliographique
Résumé
OBJECTIVE: To describe a new simulator, SurgicalSIM LTS, and summarize our preliminary experience with system. METHODS: LTS was evaluated in 3 studies: (1) 124 participants from 3 Canadian universities: 13 students; 30 residents, fellows, attendings from surgery; 59 gynecologists; 22 urologists were classified based on laparoscopic experience as novice, intermediate, competent, or expert. All were tested on the LTS. Seventy-four were tested on the LTS and MISTELS (McGill Inanimate System for Training and Evaluation of Laparoscopic Skills). Participants completed a satisfaction questionnaire. (2) Twenty-five international gynecologists in-training at Kiel Gynaecologic Endoscopy Center, and 15 students from the center pretested on LTS underwent voluntary additional trials and posttesting. (3) Seventeen experienced laparoscopic surgeons from 3 specialties were recruited to perform on randomly assigned simulators involving 5 commercial, computer-based systems. The surgeons practiced repetitively for 1.5 days. Efficient, error-free performance was measured and proficiency score formulas were developed. RESULTS: Study A: LTS showed a good correlation with level of experience (P=0.000) and MISTELS (0.79). Satisfaction: LTS vs MISTELS 79.9 vs 70.4 (P=0.012). Study B: Posttest scores were significantly better in all tasks for both groups, P<0.0001. Group mean scores with < or =5 trials were significantly better than with 2 or 3 trials (P<0.012, P<0.018). Study C: LTS had the highest effectiveness rating of the 5 simulators. CONCLUSIONS: A new computerized physical reality simulator can be used to assess/train laparoscopic technical skills.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».