Suscribirse

PGY-specific benchmarks improve resident performance on Fundamentals of Laparoscopic Surgery tasks - 25/04/18

Doi : 10.1016/j.amjsurg.2018.02.004 
Heather E. Hoops a, , Caleb Haley b, Laszlo N. Kiraly a, Elena An b, Karen J. Brasel a, Donn Spight a, b
a Department of Surgery, Oregon Health and Sciences University, Portland, OR, United States 
b VirtuOHSU Simulation and Surgical Training Center, Oregon Health and Sciences University, Portland, OR, United States 

Corresponding author. Department of Surgery, Oregon Health & Science University, Mail Code L223, 3181, SW, Sam Jackson Park Rd Portland, OR 97238, United States.Department of SurgeryOregon Health & Science UniversityMail Code L2233181, SWSam Jackson Park RdPortlandOR97238United States

Abstract

Background

Although expert proficiency times for Fundamentals of Laparoscopic Surgery (FLS) tasks exist, these times are not always attainable for junior residents. We hypothesize that post-graduate year (PGY)-specific benchmarks will improve resident performance of FLS tasks.

Methods

In 2014, PGY-specific benchmarks were developed for FLS tasks for PGY1-PGY4 general surgery residents by averaging completion times for each task from 2007 to 2013. Resident performance on each FLS task and overall performance was compared for PGY1-PGY4 residents in the 2007–2013 group and the 2014–2016 group, before and after implementation of PGY-specific benchmarks.

Results

There was a significant improvement in FLS performance in the 2014–2016 group at the PGY1 (p = 0.01), PGY2 (p < 0.01), and PGY3 (p = 0.01) levels, but no difference at the PGY4 level (p = 0.71).

Conclusions

PGY-specific benchmarks may improve efficacy of laparoscopic skills training for junior residents, increasing the efficiency of skill development.

El texto completo de este artículo está disponible en PDF.

Highlights

Attainable, level-appropriate goals may improve resident performance on FLS tasks.
PGY-specific benchmarks may increase simulation training efficiency.
These benchmarks can identify resident technical deficits early in training.
PGY-specific benchmarks may be useful in assessing resident on ACGME milestones.

El texto completo de este artículo está disponible en PDF.

Keywords : Simulation, Laparoscopy, FLS, Goal-directed, Competency


Esquema


© 2018  Elsevier Inc. Reservados todos los derechos.
Añadir a mi biblioteca Eliminar de mi biblioteca Imprimir
Exportación

    Exportación citas

  • Fichero

  • Contenido

Vol 215 - N° 5

P. 880-885 - mai 2018 Regresar al número
Artículo precedente Artículo precedente
  • Discussion of “Higher robotic colorectal surgery volume improves outcomes”
  • Ravi Moonka
| Artículo siguiente Artículo siguiente
  • Discussion of “PGY-specific benchmarks improve resident performance on Fundamentals of Laparoscopic Surgery tasks”
  • Adrian Harvey

Bienvenido a EM-consulte, la referencia de los profesionales de la salud.
El acceso al texto completo de este artículo requiere una suscripción.

¿Ya suscrito a @@106933@@ revista ?

Mi cuenta


Declaración CNIL

EM-CONSULTE.COM se declara a la CNIL, la declaración N º 1286925.

En virtud de la Ley N º 78-17 del 6 de enero de 1978, relativa a las computadoras, archivos y libertades, usted tiene el derecho de oposición (art.26 de la ley), el acceso (art.34 a 38 Ley), y correcta (artículo 36 de la ley) los datos que le conciernen. Por lo tanto, usted puede pedir que se corrija, complementado, clarificado, actualizado o suprimido información sobre usted que son inexactos, incompletos, engañosos, obsoletos o cuya recogida o de conservación o uso está prohibido.
La información personal sobre los visitantes de nuestro sitio, incluyendo su identidad, son confidenciales.
El jefe del sitio en el honor se compromete a respetar la confidencialidad de los requisitos legales aplicables en Francia y no de revelar dicha información a terceros.


Todo el contenido en este sitio: Copyright © 2025 Elsevier, sus licenciantes y colaboradores. Se reservan todos los derechos, incluidos los de minería de texto y datos, entrenamiento de IA y tecnologías similares. Para todo el contenido de acceso abierto, se aplican los términos de licencia de Creative Commons.