Human Patient Simulation Is Effective for Teaching Paramedic Students Endotracheal Intubation
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
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.
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 découle