A Novel Multidimensional Fidelity Framework for Cardiac Surgery Simulation: A Thematic Literature Review
Notice bibliographique
Résumé
Introduction: Simulation-based training is increasingly being adopted in cardiac surgery to train future surgeons. Although low- and high-fidelity cardiac surgical simulations have been described previously, simulation fidelity or the degree to which a simulation replicates reality is poorly defined and not well established. This study examines the literature on the themes of fidelity using a novel multidimensional surgical framework. Methods: A keyword-based literature review was conducted to retrieve published cardiac surgical simulation studies using MEDLINE and EMBASE, from January 2000 to February 2020. The search was limited to the date of publication and not by type. Within predefined dimensions, the included articles were thematically analyzed using a hybrid coding approach to identify fidelity themes and subthemes. Results: Twenty-six articles were included in the thematic analysis after duplicate removal, screening, and eligibility assessment based on the inclusion and exclusion criteria. Seven themes were identified within physical, surgical, and interactional dimensions. They were derived from environmental, equipment, anatomical, physiological, procedural, perceptual, and psychological simulation components. Subthemes for three levels of realism were generated for each theme by using an iterative process. Conclusion: This fidelity framework provides educators with actionable guidance for designing cost-effective cardiac surgical simulation for competency-based training by enabling selective fidelity utilization. Educators can apply this framework through aligning learning objectives, fidelity dimensions and levels accordingly. The framework facilitates optimal resource allocation by designing effective and fit for learner simulations.
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 | 0,002 | 0,088 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».