Simulation‐based education for transfusion medicine
Notice bibliographique
Résumé
BACKGROUND: The administration of blood products is frequently determined by physicians without subspecialty training in transfusion medicine (TM). Education in TM is necessary for appropriate utilization of resources and maintaining patient safety. Our institution developed an efficient simulation-based TM course with the goal of identifying key topics that could be individualized to learners of all levels in various environments while also allowing for practice in an environment where the patient is not placed at risk. STUDY DESIGN AND METHODS: A 2.5-hour simulation-based educational activity was designed and taught to undergraduate medical students rotating through anesthesiology and TM elective rotations and to all Clinical Anesthesia Year 1 (CA-1) residents. Content and process evaluation of the activity consisted of multiple-choice tests and course evaluations. RESULTS: Seventy medical students and seven CA-1 residents were enrolled in the course. There was no significant difference on pretest results between medical students and CA-1 residents. The posttest results for both medical students and CA-1 residents were significantly higher than pretest results. The results of the posttest between medical students and CA-1 residents were not significantly different. CONCLUSION: The TM knowledge gap is not a trivial problem as transfusion of blood products is associated with significant risks. Innovative educational techniques are needed to address the ongoing challenges with knowledge acquisition and retention in already full curricula. Our institution developed a feasible and effective way to integrate TM into the curriculum. Educational activities, such as this, might be a way to improve the safety of transfusions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».