S'abonner

Multicenter longitudinal assessment of resident technical skills - 09/12/14

Doi : 10.1016/j.amjsurg.2014.09.018 
Dimitrios Stefanidis, M.D., Ph.D., F.A.C.S. a, , Christopher Gardner a, John T. Paige, M.D., F.A.C.S. b, James R. Korndorffer, M.D., M.H.P.E., F.A.C.S. c, Dmitry Nepomnayshy, M.D., F.A.C.S. d, Devin Chapman a
a Department of Surgery and Carolinas Simulation Center, Carolinas HealthCare System, Charlotte, NC 
b Department of Surgery, LSU Health New Orleans School of Medicine, New Orleans, LA 
c Department of Surgery, Tulane University Health Sciences Center, New Orleans, LA 
d Department of General Surgery, Lahey Clinic, Tufts Medical School, Burlington, MA 

Corresponding author. Tel.: +1-704-355-5114; fax: +1-704-355-4956.

Abstract

Background

Our aim was to report the longitudinal assessment of technical performance of general surgery residents on select tasks from multiple programs over a 2-year period.

Methods

An institutional review board-approved, multi-institutional collaborative study was undertaken with yearly resident performance assessments over a 3-year period. General surgery residents (postgraduate year [PGY] 1 to 5) were tested on 3 laparoscopic and 5 open simulated surgical tasks. Resident performance was compared individually over time and among interns and more senior residents.

Results

Forty-one residents from 4 residency programs were evaluated. Scores increased in all tasks with each assessment, plateauing at a lower PGY level for open tasks compared with laparoscopic tasks. Change in performance scores between assessments were higher for interns compared with more senior residents (P < .003).

Conclusions

Resident performance on basic open and laparoscopic tasks assessed over time improved the most between the PGY 1 and 2 levels and was dependent on task difficulty. This documented skill evolution may allow tailoring of skills curricula to both meet existing needs and minimize performance variability.

Le texte complet de cet article est disponible en PDF.

Keywords : Simulation, Surgery residents, Skills training, Performance assessment, Performance norms, Learning curve


Plan


 The authors declare no conflicts of interest.


© 2015  Elsevier Inc. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 209 - N° 1

P. 120-125 - janvier 2015 Retour au numéro
Article précédent Article précédent
  • The association for surgical education CESERT grant program: the first 15 years
  • Aimee K. Gardner, Ranjan Sudan, Ravi Sidhu, Barry D. Mann, Daniel J. Scott
| Article suivant Article suivant
  • Debriefing 101: training faculty to promote learning in simulation-based training
  • John T. Paige, Sonal Arora, Gladys Fernandez, Neal Seymour

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2025 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.