이 페이지는 자동 번역되었으며 번역의 정확성을 보장하지 않습니다. 참조하십시오 영문판 원본 텍스트의 경우.

복강경 기술 습득에서 3D와 2D 훈련 모델의 효과: 무작위 대조 시험

2024년 7월 27일 업데이트: Georgios Alampritis, Queen Mary University of London

복강경 기술 습득에서 3D와 2D 훈련 모델의 효과: 초보 의과대학생을 대상으로 한 무작위 대조 시험

이 시험의 목표는 초보 의과대학생이 특정 복강경 작업을 수행할 때 3D(3차원) 훈련 모델과 2D(2차원) 훈련 모델을 사용하는 효과를 비교하는 것입니다. 우리 재판이 대답하려는 주요 질문은 다음과 같습니다.

- 신규 의대생의 복강경 기술 학습을 위해 기존 2D LapPass 훈련 모델에 비해 사용된 3D 훈련 모델이 우수한가요?

참가자는 2개 그룹 중 하나에 배정되며 2개의 별도 세션에서 복강경 작업을 연습합니다.

연구 개요

상세 설명

기본 및 고급 작업을 모두 사용하여 기본적인 복강경 기술 습득을 위해 종종 벤치탑 모델이라고도 하는 저충실도 수술 시뮬레이터의 사용을 뒷받침하는 충분한 증거가 있습니다. 저충실도 훈련 모델을 사용하는 목적은 현장 해부학적 재현보다는 주로 기술 습득입니다. 벤치탑 모델은 다른 고충실도 시뮬레이터에 비해 비용이 저렴할 수 있는 동시에 중요한 기술을 수술실로 쉽게 전달할 수 있는 가능성이 있습니다. 복강경 검사에서 3D 시각적 양식을 사용하면 수술 또는 시뮬레이션 설정에서 향상된 시공간적 맥락과 성능을 제공하여 복잡한 복강경 작업의 실행을 용이하게 하는 향상된 깊이 인식과 관련이 있다는 것이 문헌에서 입증되었습니다. 이 기술의 사용은 종종 초보자 개인의 일상 교육 커리큘럼에 도입할 때 인력, 실용성 및 재정적 고려 사항에 대한 적응성의 특정 제한과 관련이 있습니다. 따라서 시뮬레이션 및 수술 설정 모두에서 가장 일반적으로 사용되는 2D 시각적 양식을 사용하여 훈련 및 기술 습득을 촉진하기 위해 다양한 깊이, 높이 및 너비의 저충실도 3D 훈련 모델을 활용함으로써 차등적 접근 방식을 따를 가능성이 있습니다.

단안 신호는 2D 시각에서 깊이 인식 부족을 보완하는 데 중요합니다. 여기에는 복강경의 움직임을 통한 운동 시차, 명암의 음영, 질감 등급, 상대 위치 및 기구, 해부학적 구조 크기가 포함됩니다. 단안 단서의 처리가 향상되고 학습 과정인 적응이 궁극적으로 성능 향상으로 이어지므로 경험을 통해 깊이 인식이 향상될 수 있습니다. 경험이 풍부한 외과 의사들은 간접적인 단안 신호를 식별하고 이를 활용하여 깊이 인식을 얻는 기술을 습득하여 정확하고 효율적인 움직임을 만들어냅니다.

훈련 및 평가 목적으로 LapPass에서 사용되는 훈련 모델은 상대적으로 평평한 2D 모델입니다. 폴로 조작 및 잡기 작업을 위한 현재 모델에서는 모든 포스트가 동일한 높이에 있고 평평한 표면에 장착되어 있어 윤곽과 깊이가 부족합니다. 이것은 다른 작업을 원활하게 진행하는 데 필수적인 깊이 인식, 손과 눈의 협응 및 양손 민첩성의 기본 복강경 기술을 개발하기 위해 초보자가 수행하고 많이 연습한 첫 번째 운동입니다. 복강경 봉합 및 체내 매듭 묶기 작업도 마찬가지로 다양한 윤곽이 없는 평평한 봉합 패드에서 원의 봉합 및 근사를 위한 2차원 훈련 모델을 도입합니다. 2D 교육 모델의 채택은 기술 습득에 제한 요소로 작용할 수 있으며 궁극적으로 더 높은 수준의 전문 지식을 달성하기 위한 교육 시간을 연장할 수 있습니다. 기본 복강경 기술을 숙달하면 봉합과 같은 더 복잡한 복강경 기술을 더 빠르게 습득할 수 있으며 궁극적으로 더 비용 효율적인 교육을 받을 수 있습니다. 높이, 너비, 깊이가 다양한 저충실도 3D 훈련 모델을 사용하여 작업을 3차원으로 변환함으로써 보다 현실적인 수술 환경의 시뮬레이션을 달성할 수 있으며 평면 모델에 대한 훈련으로 인해 발생하는 잠재적인 복강경 기술 격차를 해소할 수 있습니다. 입체적인 랜드마크로.

우리 연구에서는 폴로 과제가 우리 기관에서 개발된 3D 폴로 모델을 사용하여 변환될 것입니다. 이 모델은 다양한 수준의 전문 지식을 구별하기 위해 얼굴과 구성 타당성을 입증했습니다. 이 모델은 처음에 FLS 프로그램의 간단한 페그 이동 작업을 위해 개발되었으며 장비는 기술적으로 보다 까다로운 작업인 LapPass 폴로 잡기 및 조작 작업을 시뮬레이션하도록 조정될 것입니다. 또한 봉합 작업은 모델에 제한된 안정성을 제공하는 플랫폼에 부착된 Inovus Medical(영국 세인트 헬렌스)의 3D 봉합 모델을 사용하여 변환되어 수술 실습의 복잡성을 충분히 시뮬레이션합니다. 다양한 윤곽을 가진 3D 봉합 모델의 사용은 복강경 봉합의 고급 작업을 위한 효과적인 시뮬레이션 교육 도구임이 입증되었습니다.

초보자의 빠른 추적 복강경 기술 습득 가능성에도 불구하고 LapPass 기본 및 고급 복강경 작업의 3D 및 2D 훈련 모델 간의 직접적인 비교를 설명하는 문헌은 없습니다. 우리는 초보자의 복강경 기술 훈련 시작 시 3D 훈련 모델을 사용하면 깊이 인식과 관련된 간접적인 단서뿐만 아니라 복강경 기술 훈련의 다른 핵심 기술에 대한 적응을 가속화하여 성능을 향상시킬 수 있다고 가정합니다. 이 연구의 목적은 2가지 개별 복강경 작업에서 현재 2D LapPass 훈련 모델과 비교할 때 초보 의과대학생의 3D 훈련 모델을 사용하여 복강경 기술 습득이 더 우수한지 확인하는 것입니다.

PICOS 기준

  • 인구 = 인터칼레이션 학생을 포함한 1~5학년의 초보 의과대학생
  • 개입 = 폴로 조작 및 봉합 작업을 위한 3D 훈련 모델
  • 비교기 = 폴로 조작 및 봉합 작업을 위한 2D LapPass 훈련 모델
  • 결과 = 복강경 기술 습득(GOALS 점수, 작업 완료 시간, 오류, 설문 조사 데이터)
  • 설정 = Barts Cancer Institute의 시뮬레이션 연구실

연구 유형

중재적

등록 (실제)

62

단계

  • 해당 없음

연락처 및 위치

이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.

연구 장소

      • London, 영국, EC1M 6BE
        • Barts Cancer Institute, Queen Mary University of London

참여기준

연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.

자격 기준

공부할 수 있는 나이

  • 성인
  • 고령자

건강한 자원 봉사자를 받아들입니다

설명

포함 기준:

  • (1) 인터칼레이션 학생을 포함한 1학년부터 5학년까지의 의과대학생
  • (2) 카메라 네비게이션 이상의 정식 복강경 기술 교육을 받지 않은 것으로 정의되는 복강경 수술 초보자

제외 기준:

  • (1) 복강경 기술 훈련을 1회 이상 이수함
  • (2) 연구 완료에 대한 의지가 없음

공부 계획

이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.

연구는 어떻게 설계됩니까?

디자인 세부사항

  • 주 목적: 다른
  • 할당: 무작위
  • 중재 모델: 병렬 할당
  • 마스킹: 하나의

무기와 개입

참가자 그룹 / 팔
개입 / 치료
활성 비교기: 표준 3D LapPass 교육 모델
표준 3D 그룹의 참가자들은 폴로 조작 및 체내 봉합을 위한 표준 3D LapPass 훈련 모델을 사용하여 복강경 기술을 연습했습니다.
작업 1을 위한 표준 3D LapPass 폴로 모델 및 작업 2를 위한 표준 3D LapPass 모델
실험적: 3D 강화 교육 모델
3D 강화 그룹의 참가자들은 폴로 조작 및 체내 봉합을 위한 3D 강화 훈련 모델을 사용하여 복강경 기술을 연습했습니다.
작업 1을 위한 3D 강화 Jenga 폴로 모델 및 작업 2를 위한 3D 강화 봉합 모델

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
작업 완료 시간(분)
기간: 20분간의 작업 및 장비 숙지 후 기본 평가(A1), 1시간의 교육 시 중간 평가, 2시간의 교육 시 교육 후 평가(A3)
완료 시간은 '작업 완료까지의 시간'으로 정의됩니다. 시작 시간은 기기가 모니터에 보이는 순간이고 종료 시간은 기기가 제거되거나 시간 제한인 10분에 도달한 상태에서 작업이 완료되는 순간입니다.''
20분간의 작업 및 장비 숙지 후 기본 평가(A1), 1시간의 교육 시 중간 평가, 2시간의 교육 시 교육 후 평가(A3)
오류 수
기간: 20분간의 작업 및 장비 숙지 후 기본 평가(A1), 1시간의 교육 시 중간 평가, 2시간의 교육 시 교육 후 평가(A3)
폴로 작업에 대한 오류는 '폴로를 떨어뜨리는 것''으로 정의되고 체내 봉합 작업은 '잘못된 근사치, 불안정한 매듭, 불완전한 매듭 또는 미끄러지는 매듭''으로 정의됩니다.
20분간의 작업 및 장비 숙지 후 기본 평가(A1), 1시간의 교육 시 중간 평가, 2시간의 교육 시 교육 후 평가(A3)
GOALS 점수 범위는 5~25입니다.
기간: 20분간의 작업 및 장비 숙지 후 기본 평가(A1), 1시간의 교육 시 중간 평가, 2시간의 교육 시 교육 후 평가(A3)
GOALS 도구는 문헌의 광범위한 증거를 통해 초보 의과대학생의 기술적 성과를 평가하는 기술별 방법으로 사용됩니다. GOALS 도구는 (1) 깊이 인식, (2) 양손 민첩성, (3) 효율성, (4) 조직 처리 및 (5) 자율성의 5가지 영역으로 구성되어 있으며 각 영역의 수준에 따라 5점 척도로 점수가 매겨집니다. 총점 5~25점으로 입증된 기술적 능력.
20분간의 작업 및 장비 숙지 후 기본 평가(A1), 1시간의 교육 시 중간 평가, 2시간의 교육 시 교육 후 평가(A3)

2차 결과 측정

결과 측정
측정값 설명
기간
참가자가 인지한 훈련 전후의 자신감과 전반적인 성과에 대한 연구 후 설문조사 질문(1~5의 리커트 척도)
기간: 연구 완료 직후(등록 후 평균 1주)
2차 결과 측정에는 참가자가 인지한 성능 및 자신감에 대한 3D 강화 대 표준 3D 훈련 모델에 대한 훈련의 효과를 측정하기 위한 연구 후 설문 조사 질문이 포함됩니다.
연구 완료 직후(등록 후 평균 1주)

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

수사관

  • 수석 연구원: Georgios Alampritis, Queen Mary University of London

연구 기록 날짜

이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.

연구 주요 날짜

연구 시작 (실제)

2022년 5월 18일

기본 완료 (실제)

2022년 6월 30일

연구 완료 (실제)

2022년 6월 30일

연구 등록 날짜

최초 제출

2023년 12월 7일

QC 기준을 충족하는 최초 제출

2023년 12월 14일

처음 게시됨 (실제)

2023년 12월 28일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2024년 7월 30일

QC 기준을 충족하는 마지막 업데이트 제출

2024년 7월 27일

마지막으로 확인됨

2024년 7월 1일

추가 정보

이 연구와 관련된 용어

개별 참가자 데이터(IPD) 계획

개별 참가자 데이터(IPD)를 공유할 계획입니까?

IPD 계획 설명

연구 프로토콜, 사전 동의, 설문 조사 및 연구 보고서

IPD 공유 기간

익명화된 참가자 데이터는 QMUL 기록 보관 일정에 명시된 대로 이를 기반으로 한 출판일로부터 최소 10년 동안 보관됩니다. 이 기간이 지나면 모든 데이터는 폐기됩니다.

IPD 공유 액세스 기준

요청 시

IPD 공유 지원 정보 유형

  • 연구_프로토콜
  • ICF
  • CSR

약물 및 장치 정보, 연구 문서

미국 FDA 규제 의약품 연구

아니

미국 FDA 규제 기기 제품 연구

아니

이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .

구독하다