Strategies to Improve Acquistion of Technical Skill in Surgical Residents: From Screening Technical Ability at the Time of Selection to Incorporating Performance Adjuncts during Training
Notice bibliographique
Résumé
Introduction: Evidence suggests that not all trainees reach technical competence. Therefore the purposes of the included studies were to improve resident selection by investigating screening tools (visual spatial tests (VSTs) and technical tasks (TTs)) that may predict technical ability of incoming trainees, and to determine whether metal practice is beneficial as a performance enhancement strategy during training. Methods: Screening with VSTs as a predictor of laparoscopic ability was evaluated using the PicSOr, cube comparison (CC) and card rotation (CR) tests and correlated to technical performance on the camera navigation (LCN) and laparoscopic circle cut (LCC) tasks. To screen trainees using TTs, a Delphi of Canadian general surgery (GS) program directors (PD), was performed to gain consensus on the simulated TTs best suited for incoming trainees. K-mean clustering learning curve (LC) analysis was used to determine acquisition of TTs. Next, mental practice was evaluated in a randomized control trial to assess its impact on advanced laparoscopic technical performance. Results: Thirty-seven residents were screened using VSTs. Residents who scored higher on the CC test had more accurate LCN path length (rs(PL) =-0.36, p=0.03) and angle path (rs(AP) =-0.426, p=0.01) scores. Eleven of 14 GS PDs participated in the Delphi, and consensus was reached that both basic laparoscopic and open skills would be appropriate for the assessment of TTs. LC analysis of 65 students revealed that 7-15% of trainees did not reach proficiency in laparoscopic skills. These students demonstrated poor innate ability, and remained disadvantaged with inconsistent performance throughout their LC. During training, mental practice significantly improved technical performance (p =0â 003). Conclusion: LC analysis of simulated technical skills proved more dependable than VSTs to screen for technical ability in novice trainees, while mental practice is an affective adjunct to technical skills performance and would be a beneficial addition to skills training for senior residents.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».