MétaCan
Menu
Retour à la cohorte
Enregistrement W2009976210 · doi:10.1080/10401334.2014.859932

Impact of Acute Stress on Resident Performance During Simulated Resuscitation Episodes: A Prospective Randomized Cross-Over Study

2014· article· en· W2009976210 sur OpenAlexaff
Dominique Piquette, Jordan Tarshis, Tasnim Sinuff, Robert Fowler, Ruxandra Pinto, Vicki R. LeBlanc

Notice bibliographique

RevueTeaching and Learning in Medicine · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésStressorMedicineStress (linguistics)ResuscitationEmergency medicinePhysical therapyClinical psychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Medical trainees have identified stress as an important contributor to their medical errors in acute care environments. PURPOSES: The objective of this study was to determine if the addition of acute stressors to simulated resuscitation scenarios would impact on residents' simulated clinical performance. METHODS: Fifty-four residents completed a control and a high-stress simulated scenario on separate visits. Stress measures were collected before and after scenarios. Two assessors independently evaluated residents' videotaped performance. RESULTS: Both control and high-stress scenarios triggered significant stress responses among participants; however, stress responses were not significantly different between control and high-stress conditions. No difference in performance was found between control and high-stress conditions (F value = 2.84, p = .098). CONCLUSIONS: Residents exposed to simulated resuscitation scenarios experienced significant stress responses irrespective of the presence of acute stressors during these scenarios. This anticipatory stressful response could impact on resident learning and performance and should be further explored.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,402
Écart entre enseignants0,386 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations45
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTeaching and Learning in MedicineMême sujetSimulation-Based Education in HealthcareTravaux en français237 207