MétaCan
Menu
← Back to cohort
Record W2962211107 · doi:10.71781/31896

Thiel embalmed cadaveric tissue : a model for surgical simulation and research

2019· dissertation· en· W2962211107 on OpenAlexfundaboutno aff
Andrei Odobescu

Bibliographic record

VenuePapyrus : Institutional Repository (Université de Montréal) · 2019
Typedissertation
Languageen
FieldMedicine
TopicSurgical Simulation and Training
Canadian institutionsnot available
FundersMcGill University
KeywordsCadaveric spasmSurgeryMedicine

Abstract

fetched live from OpenAlex

Le Collège royal des médecins et chirurgiens du Canada met actuellement en place des curriculums basés sur les compétences, plutôt que sur le temps, dans toutes les spécialités médicales et chirurgicales. La transition devrait être complétée en 2022. Les programmes de formation en chirurgie plastique au Canada devront repenser leurs curriculums pour se plier aux directives nationales. La simulation est la pierre angulaire du modèle de formation des résidents basé sur les compétences puisqu'elle permet aux résidents d'apprendre et d'améliorer leurs compétences dans un contexte éthique, sécuritaire, et mesurable objectivement. Un consensus récent des directeurs de programme canadiens en chirurgie plastique a nommé 154 procédures essentielles de bases que les résidents doivent maîtriser avant la fin de leur formation. Nous proposons l'utilisation du modèle cadavérique Thiel pour la simulation haute fidélité des procédures en plastie. Les spécimens Thiel ont déjà été introduits dans une multitude de spécialités, incluant la plastie pour la dissection de lambeaux et la réparation de tendons. Nous nous sommes concentrés sur l'évaluation des spécimens Thiel pour la maîtrise des anastomoses vasculaires, la réparation des nerfs périphériques, et la réparation des tendons fléchisseurs. Par ailleurs, nous avons développé des instruments d'évaluation pour chacun de ces domaines de simulation. Des trois instruments, nous avons validé les échelles d'évaluation des anastomoses vasculaires et nerveuses. Ces deux échelles ont démontré d'excellents degrés de fiabilité et de reproductibilité et sont bien corrélés avec le niveau de formation et d'expérience des sujets. Le modèle de réparation des tendons fléchisseurs a démontré un degré plus élevé de variaiblité inter-évaluateur, et, quoique prometteur, il n'a pas pu être complètement validé basé sur les données actuelles. De plus, nous avons utilisé les vaisseaux Thiel comme un modèle de recherche pour l'investigation de nouvelles techniques microvasculaires. Notre expérience montre que les spécimens cadavériques Thiel sont un excellent modèle de simulation pour la chirurgie microvasculaire et la réparation des nerfs périphériques et des tendons fléchisseurs. Nous proposons des instruments d'évaluation pour assister à l'implémentation de ces modèles de simulation dans les curriculums basés sur les compétences en chirurgie plastique.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.001
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Bench or experimental · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.031
Threshold uncertainty score0.061

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0000.001
Bibliometrics0.0010.001
Science and technology studies0.0010.001
Scholarly communication0.0020.001
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0060.001

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.

Opus teacher head0.033
GPT teacher head0.297
Teacher spread0.264 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designBench or experimental
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2019
Admission routes2
Has abstractyes

Explore more

Same venuePapyrus : Institutional Repository (Université de Montréal)→Same topicSurgical Simulation and Training→French-language works237,207→