Human Patient Simulation Is Effective for Teaching Paramedic Students Endotracheal Intubation
Notice bibliographique
Résumé
OBJECTIVES: The primary purpose of this study was to determine whether the endotracheal intubation (ETI) success rate is different among paramedic students trained on a human patient simulator versus on human subjects in the operating room (OR). METHODS: Paramedic students (n = 36) with no prior ETI training received identical didactic and mannequin teaching. After randomization, students were trained for ten hours on a patient simulator (SIM) or with 15 intubations on human subjects in the OR. All students then underwent a formalized test of 15 intubations in the OR. The primary outcome was the rate of successful intubation. Secondary outcomes were the success rate at first attempt and the complication rate. The study was powered to detect a 10% difference for the overall success rate (alpha = 0.05, beta = 0.20). RESULTS: The overall intubation success rate was 87.8% in the SIM group and 84.8% in the OR group (difference of 3.0% [95% confidence interval {CI} = -4.2% to 10.1%; p = 0.42]). The success rate on the first attempt was 84.4% in the SIM group and 80.0% in the OR group (difference of 4.4% [95% CI = -3.4% to 12.3%; p = 0.27]). The complication rate was 6.3% in the SIM group and 4.4% in the OR group (difference of 1.9% [95% CI = -2.9% to 6.6%; p = 0.44]). CONCLUSIONS: When tested in the OR, paramedic students who were trained in ETI on a simulator are as effective as students who trained on human subjects. The results support using simulators to teach ETI.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».