Clinical supervision and learning opportunities during simulated acute care scenarios
Notice bibliographique
Résumé
CONTEXT: Closer clinical supervision has been increasingly promoted to improve patient care. However, the continuous bedside presence of supervisors may threaten the model of progressive independence traditionally associated with effective clinical training. Studies have shown favourable effects of closer supervision on trainees' learning, but have not paid specific attention to the learning processes involved. METHODS: We conducted a simulation-based study to explore the learning opportunities created during simulated resuscitation scenarios under different levels of supervision. Fifty-three residents completed a supervised scenario. Residents were randomised to one of three levels of supervision: telephone (distant); in-person after telephone consultation (immediately available), and in-person from the beginning of the simulation (direct). These interactions were converted into 234 pages of transcripts for analysis. We performed an inductive thematic analysis followed by a deductive analysis using situated learning theory as a theoretical framework. RESULTS: Learning opportunities created during simulated scenarios were identified as belonging to either of two categories, incidental and engineered opportunities. The themes resulting from this framework contributed to our understanding of trainees' contributions to patient care, supervisors' influences on patient care, and trainee-supervisor interactions. All forms of supervision offered trainees incidental opportunities for practice, although the nature of these contributions could be affected by the bedside presence of supervisors. Supervisors' involvement in patient care by telephone and in person was associated with a shift of responsibility for patient care, but represented, respectively, engineered and incidental opportunities for observation. In-person supervisor-trainee interactions added value to observation and created additional opportunities for incidental feedback and engineered practice. CONCLUSIONS: The shift of responsibility for patient care occurred during both direct and distant supervision, and did not necessarily translate into a lack of opportunities for trainee participation and practice.
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 | 0,003 |
| 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 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 ».