High-fidelity simulation in neonatal resuscitation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: There are currently few studies describing the use of high-fidelity (hi-fi) simulation in teaching neonatal resuscitation. Traditionally, residents are certified in the neonatal resuscitation program (NRP) after successful completion of a multiple-choice written examination and demonstration of skills during a hands-on 'mega-code'. In the present study, the use of a hi-fi simulation mannequin was compared with a standard plastic mannequin when teaching the megacode portion of the NRP. METHODS: In the present pilot study, 15 first-year residents were randomly assigned to demonstrate neonatal resuscitation knowledge, with either the hi-fi mannequin (SimBaby, Laerdal Medical Corporation, USA) or a traditional plastic mannequin (ALS Baby, Laerdal Medical Corporation, USA). A written evaluation was conducted before and after the intervention. Each pair of residents experienced the two scenarios. Video performance was then assessed and compared. RESULTS: Residents randomly assigned to the hi-fi mannequin rated the experience higher (31+/-3.3 versus 27+/-3.5; P=0.026), and required less redirection from instructors during the megacode (scenario 1: 4.5+/-1.7 versus 15+/-6.9; P=0.015 and scenario 2: 1.8+/-1.3 versus 9.3+/-2.5; P=0.0009) than those who were randomly assigned to the plastic mannequin. Residents randomly assigned to the hi-fi mannequin did not have improved written scores or improved intubation times. CONCLUSIONS: The present pilot study demonstrated that a hi-fi mannequin can be used as part of an educational program, such as the NRP. The use of this technology in neonatal resuscitation training is well-received by learners and may provide a more realistic model for training. Further work is required to clarify its role in task performance and team training.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle