Task-specific bench model training versus basic laparoscopic skills training for laparoscopic radical prostatectomy: a randomized controlled study
Bibliographic record
Abstract
Background: Performing a laparoscopic urethrovesical anastomosis(LUA) after a radical prostatectomy is technically challengingfor the novice laparoscopic surgeon. We developed a low-fidelityurethrovesical model (UVM) to allow a urologist to practise thiscritical step. The aim of our study was to compare the effect oftask-specific bench model training (anastomotic suturing on theUVM) with that of basic laparoscopic suturing on intracorporealurethrovesical anastomosis performance.Methods: We recruited 28 senior surgical residents, fellows or staffsurgeons for this prospective, single-blinded, randomized controlledstudy. We randomly assigned participants to an interventiongroup practising LUA on the UVM or to a control group practisingbasic laparoscopic suturing and knot-tying on a foam pad.After practising, we videotaped participants performing 5 intracorporealinterrupted sutures on a foam pad and a LUA on theUVM. A blinded expert scored the videotaped performance usinga laparoscopic suturing checklist (CL) and a global rating scale(GRS), and timed the performance.Results: On the foam pad suturing task, the group that trainedon the UVM had significantly higher CL scores (10.9 v. 8.1,p = 0.017). On the LUA task, the group that trained on the UVMhad significantly higher CL scores (10.9 v. 8.1, p = 0.017), GRS(29.6 v. 22.8, p = 0.005) and shorter times (27.6 v. 38.3 min,p = 0.004) than the control group.Conclusion: Our task-specific bench model was shown to be superiorto basic laparoscopic suturing drills on a foam pad.Généralités : L’anastomose urétrovésicale par voie laparoscopique(AUL) suivant une prostatectomie radicale pose certaines difficultéstechniques au chirurgien peu expérimenté avec la laparoscopie.Nous avons créé un modèle urétrovésical basse-fidélité(MUB) permettant aux urologues de pratiquer cette étape crucialede l’intervention. Le but de l’étude était de comparer l’impactd’exercices avec un modèle spécifique à la tâche (sutures anasto-motiques sur le modèle urétrovésical) et d’exercices de sutureslaparoscopiques sur l’aptitude à effectuer des anastomoses urétrovésicalesintracorporelles.Méthodologie : Vingt-huit résidents séniors en chirurgie, chercheursboursierset chirurgiens ont été recrutés pour cette étude prospectiveet contrôlée, menée à simple insu avec répartition aléatoire.Les participants ont été répartis au hasard en 2 groupes, soit ungroupe qui a pratiqué l’anastomose urétrovésicale sur le MUB etun groupe témoin qui a pratiqué les sutures laparoscopiques etla formation de noeuds sur un coussinet de mousse. Après la pratique,les participants ont été filmés pendant qu’ils effectuaient5 suturations intracorporelles interrompues sur un coussinet demousse et une anastomose urétrovésicale par laparoscopie à l’aidedu modèle urétrovésical. Un expert ne connaissant pas le typed’exercices utilisé a ensuite évalué les chirurgiens à l’aide d’uneliste de vérification des éléments clés d’une suturation laparoscopique(LV), d’un score global et du temps requis pour les suturations.Résultats : Lors de la tâche de suturation avec coussinet de mousse,le groupe qui avait pratiqué à l’aide du modèle urétrovésical aobtenu des scores LV significativement plus élevés (10,9 contre8,1; p = 0,017). Quant à la tâche d’anastomose urétrovésicalepar laparoscopie, le groupe qui avait pratiqué sur le modèle urétrovésicala également obtenu des scores LV significativement plusélevés (10,9 contre 8,1; p = 0.017), mais aussi un score globalplus élevé (29,6 contre 22,8, p = 0,005), et il a effectué la tâcheen moins de temps (27,6 minutes contre 38,3 minutes, p = 0,004)par rapport au groupe témoin.Conclusion : Nous avons élaboré un modèle spécifique à la tâchequi s’est révélé supérieur aux exercices de suturation laparoscopiquesur coussinet de mousse.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.004 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.004 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.004 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".